Nature Communications に掲載された研究によると、機械学習ソフトウェアは、急速に振動する電圧を短時間加えたときのリチウムイオン電池の反応を観察することで、電池の残りの耐用年数を予測できるという。
リチウムイオン電池は、放電と充電を繰り返すことで徐々に最大容量を消耗していきますが、劣化の進行を予測することは困難です。最大容量が著しく低下し、部品が寿命を迎える前に、バッテリーに残された充電サイクル数を自動的に算出できるシステムがあれば理想的です。
そこで、英国のケンブリッジ大学とニューカッスル大学の研究者たちは、AIと電気化学インピーダンス分光法（EIS）と呼ばれる手法を使用して、リチウムイオン電池の「残存耐用年数」を予測できるソフトウェアを開発した。
この場合のEISは、バッテリーに短時間振動電圧を印加し、電流応答を測定することで機能します。これらの測定値（バッテリーのインピーダンス特性、つまり交流電流に対する抵抗値）は、学習済みモデルに入力され、テスト対象のバッテリーの残存寿命を予測するために用いられます。
「私たちのシステムは、バッテリーに振動信号を送り、その反応を測定します」と、論文の筆頭著者であり、ケンブリッジ大学の研究員であるアルファ・リー氏は月曜日にThe Register紙に語った。「このインピーダンススペクトルは、バッテリー内で起こっている様々な電気化学プロセスに関する情報を提供します。」
このアプローチは、ガウス過程回帰、つまりバッテリーの容量が初期容量の 80 パーセントまで低下するまでにあと何回の充電サイクルが残っているかを予測するために、どの特性が最も劣化を示すかを学習するように訓練できる統計アルゴリズムに依存しています。
このモデルは、様々な健全性を持つバッテリーから2万件のEIS測定値を用いて学習され、バッテリーが許容できない容量レベルまで低下しそうになったときにどのようなインピーダンス特性を示す可能性が高いかを学習しました。学習後、任意のバッテリーのEIS測定値を示すことで、モデルはバッテリーの性能が許容レベルを下回るまでのサイクル数を予測できます。
「我々のモデルは、バッテリーの過去の動作状況を完全に把握していなくても、残存耐用年数を正確に予測できる」と研究チームの論文には記されている。研究者たちは、このモデルは従来の方法よりも精度が高いと主張している。
私にとって十分なら、あなたにとっても十分です：カナダの電力会社は固体ガラス電池の研究開発に全力を注ぐ
続きを読む
リー氏は、このアルゴリズムが将来、市販のリチウムイオン電池に使用され、電池の交換時期をユーザーに知らせる警告システムが生成されることを期待している。
「サービスステーション間のバッテリー故障は大きな不便を招き、故障モードによっては安全性に懸念が生じる可能性があるため、これは電気自動車にとって特に重要です」と彼は述べた。
「このモデルは、バッテリーの「健全性」を迅速に評価し、要求の少ない用途に再利用するか、金属スクラップとしてリサイクルするかの決定に役立てることができるため、バッテリーのリサイクルにとっても重要です。」
「当社の方法の大きな利点は、バッテリーの化学組成に一切手を加える必要がないため、シンプルなターンキーソリューションとなることです。電気自動車メーカー、コンシューマーエレクトロニクス分野のOEMメーカー、そしてバッテリーメーカーとの連携を期待しています。」®
