從間歇性能源與需求的整合，到通過電動汽車、火車和船舶為運輸部門釋放無碳電力，再到一系列先進的電子產(chǎn)品和機器人應(yīng)用，電池在各種應(yīng)用中越來越重要。

然而，一個關(guān)鍵的挑戰(zhàn)是電池會隨著操作條件的變化而迅速退化。目前很難在不中斷電池運行或不經(jīng)過專用設(shè)備的漫長充放電程序的情況下評估電池的健康狀況。

在《自然機器智能》雜志最近發(fā)表的一項研究中，來自愛丁堡赫瑞瓦特大學(xué)智能系統(tǒng)小組的研究人員，英國與美國馬里蘭大學(xué)CALCE小組的研究人員合作，通過向人工智能(AI)算法輸入原始電池電壓和電流運行數(shù)據(jù)，開發(fā)了一種新的方法，可以在不考慮電池運行條件、電池設(shè)計或化學(xué)成分的情況下評估電池健康狀況。

設(shè)計人工智能框架的博士生達利斯·羅曼(DariusRoman)表示，迄今為止，電池退化的數(shù)據(jù)驅(qū)動模型的進展，依賴于更快地進行推理的算法的開發(fā)。雖然研究人員經(jīng)?；ㄙM大量時間在模型或算法開發(fā)上，但很少有人花時間去理解算法應(yīng)用的工程環(huán)境。相比之下，我們的工作是從頭開始的。我們首先是通過與馬里蘭大學(xué)CALCE小組的合作了解電池退化問題的，該小組進行了內(nèi)部電池退化測試。然后我們專注于數(shù)據(jù)，設(shè)計捕捉電池退化的功能，選擇最重要的功能，然后才部署AI技術(shù)來評估電池的健康狀況。

此外，研究人員發(fā)現(xiàn)，目前的電池健康評估數(shù)據(jù)驅(qū)動模型沒有考慮模型的置信度。然而，這對于理解AI模型如何得出某種結(jié)論以及該模型是否可信的決策制定來說通常是至關(guān)重要的。在他們的工作中，提出的人工智能模型能夠量化預(yù)測中的不確定性，從而更好地支持運營決策。

開發(fā)的框架與新的化學(xué)物質(zhì)進行了擴展，包括即將到來的新型固態(tài)電池、電池設(shè)計和操作條件，并有潛力解鎖電池如何使用和應(yīng)該如何使用的新策略。

智能系統(tǒng)集團(SmartSystemsGroup)的瓦倫丁?羅布(ValentinRobu)表示，從機器人到可再生能源集成，電池對各種應(yīng)用越來越重要。這些領(lǐng)域的一個關(guān)鍵挑戰(zhàn)是對電池的健康狀態(tài)進行準確、高可信度的估計。例如，在遠程環(huán)境下作業(yè)的機器人設(shè)備(如深海水下監(jiān)控)，確保部署在機器人上的電池的健康是關(guān)鍵任務(wù)。同樣，對于能源應(yīng)用來說，準確估計電池的剩余使用壽命往往對項目的經(jīng)濟可行性至關(guān)重要。