新方法將電動汽車電池測試時間縮短 75%

密歇根大學的研究人員表明，采用流線型方法測試新電動汽車電池設(shè)計的壽命可能會快四倍。 

他們的優(yōu)化框架可以大大降低評估電池配置長期性能的成本。

“目標是設(shè)計更好的電池，傳統(tǒng)上，業(yè)界一直試圖通過反復(fù)試驗來做到這一點，”UM 機械工程教授和框架背后的研究團隊負責人 Wei Lu 說，該框架發(fā)表在Patterns-細胞出版社。“評估需要這么長時間。”

由于電動汽車 (EV) 電池制造商正在努力應(yīng)對里程焦慮和對充電可用性的擔憂，盧的團隊開發(fā)的優(yōu)化系統(tǒng)可以將新電池和更好電池的模擬和物理測試時間縮短約 75%。這種速度可以極大地推動電池開發(fā)商尋找正確的材料和配置組合，以確保消費者始終有足夠的容量到達目的地。 

密歇根大學機械工程教授、研究團隊負責人陸偉

電池設(shè)計中涉及的參數(shù)包括從使用的材料到電極的厚度到電極中顆粒的大小等等。測試每種配置通常意味著幾個月的完全充電，然后完全放電 - 或循環(huán)電池 - 1,000 次以模擬十年的使用。通過大量可能的電池設(shè)計重復(fù)此測試以發(fā)現(xiàn)更好的設(shè)計非常耗時。

“我們的方法不僅減少了測試時間，而且可以自動生成更好的設(shè)計，”Lu 說。“我們使用早期反饋來丟棄沒有前途的電池配置，而不是循環(huán)使用它們直到最后。這不是一項簡單的任務(wù)，因為在早期周期表現(xiàn)平庸的電池配置可能在以后表現(xiàn)良好，反之亦然。

“我們系統(tǒng)地制定了早停過程，使系統(tǒng)能夠從積累的數(shù)據(jù)中學習，從而產(chǎn)生新的有前途的配置。” 

為了大幅減少時間和成本，UM 工程師利用最新的機器學習技術(shù)創(chuàng)建了一個系統(tǒng)，該系統(tǒng)既知道何時退出，又知道如何在運行過程中變得更好。

該框架使用稱為異步連續(xù)減半算法和 Hyperband 的數(shù)學技術(shù)來停止沒有開始有希望的循環(huán)測試，以節(jié)省資源。同時，它從以前的測試中獲取數(shù)據(jù)，并建議使用 Parzen 估計樹進行研究的新的有希望的參數(shù)集。

除了切斷缺乏希望的測試之外，UM 系統(tǒng)中一個關(guān)鍵的省時元素是它生成多個電池配置以同時進行測試的方式，稱為異步并行化。如果任何配置完成測試或被丟棄，算法會立即計算一個新的配置進行測試，而無需等待其他測試的結(jié)果。

U-M 的框架可以有效地測試所有類型的電池設(shè)計，從幾十年來用于運行內(nèi)燃機汽車的電池，到為我們的手表和手機供電的小型產(chǎn)品。但電動汽車電池可能代表了該技術(shù)最緊迫的用途。

“當結(jié)合性能預(yù)測模型時，可以調(diào)整該框架以提高效率，”UM 機械工程博士生、該論文的第一作者 Changyu Deng 說。“我們希望這項工作能夠激發(fā)改進的方法，使我們能夠使用最佳電池來制造更好的電動汽車和其他改善生活的設(shè)備。”

Mobility Consumer Index 最近進行的一項調(diào)查顯示，52% 的消費者現(xiàn)在正在考慮在下次購買汽車時使用電動汽車。盡管態(tài)度發(fā)生了變化，但人們?nèi)匀粚囕v續(xù)航里程（電池容量）和可供駕駛員使用的充電站數(shù)量感到擔憂。

因此，電池性能在將電動汽車推向大眾以抵消氣候變化影響方面發(fā)揮著核心作用。 

“通過顯著縮短測試時間，我們希望我們的系統(tǒng)能夠幫助加快開發(fā)更好的電池，加快各種應(yīng)用電池的采用或認證，并加快電池管理系統(tǒng)模型參數(shù)的量化，”盧說。

該研究由 LG 能源解決方案資助。