電池切れのタイミングを正確に予測する 電池の健康状態SOHを機械学習モデルを用いてチェック

・新しい人工知能モデルは、バッテリーの寿命を正確に判断できます。

・初期段階でバッテリーから取得したデータを使用し、バッテリーの寿命が長いか短いかを予測します。

リチウムイオン電池は、エネルギー密度が高く、寿命が長く、低コストのため、幅広い用途で使用されています。ここ数年の、ハイブリッド車と電気自動車の商品化で、高品質の電池に対する需要が高まっています。このため、電池の「健康状態」を分析することがますます重要になっています。

バッテリテクノロジー開発においての大きな障害の1つは、バッテリの状態を監視しテストすることです。これには時間がかかり、プロセスがバッテリーの寿命に影響します。

健康状態State Of Health（SOH）と呼ばれるパラメータは、理想状態または初期状態と比較した、バッテリのエネルギー貯蔵能力を示します。新しいバッテリーの場合、SOHは通常100％ですが、時間の経過とともに減少していきます。 SOHの評価は、バッテリーを安全に正しく使用するために重要ですが、バッテリーの寿命を損なうことなくこの値を正確に決定できる手法は、今のところありません。

SOHの判断は容易ではない

電池の健康状態SOHは、電池が古くなるにつれて生じる2つの要因に関連しています –

１．容量減少：ストレージ容量が徐々に減少する

２．電気抵抗：バッテリーの電力が低下する原因となるインピーダンスの増加。

リチウムイオン電池では、インピーダンスの増加と容量減少は、多数の相互作用プロセスから発生します。これらのプロセスは同じようなタイムスケールで発生するため、個別に分析することは非常に困難です。したがって、ＳＯＨを評価するために単一の直接測定を使用することは不可能なのです。

ＳＯＨを決定するためにとられている方法は、電池の電極間の相互作用を評価することを含んでいます。しかしこれは電池を不安定にするので、受け入れらていません。

現在のところ、SOHをそれほど破壊的ではない方法で決定するための2つのアプローチがあります：適応モデルと実験的方法。最初の方法では、バッテリー性能データを使い、自己調整して誤差を減らします。ただし、この種の方法は、実稼働環境で実際に使用する前に、実験データでトレーニングする必要があります。

一方、2番目の方法は、バッテリー内で発生する特定の障害メカニズムまたは物理プロセスを特定するために使用できます。これにより、先の容量低下率を正しく見積もることができます。しかしながら、この方法では断続的な誤動作を識別することができません。

AIは電池の寿命を正確に予測できる

現在、MIT、スタンフォード大学、およびトヨタ研究所の研究者らは、バッテリーのSOHが正確に判断できる人工知能（AI）モデルを開発しました。チームは、124個のリチウムイオン電池の性能特徴の包括的なデータセットを作成しました。電池が異なる急速充電条件を経たときのデータを記録し、広範囲の充電および放電サイクル（２５０〜２３００）をデータに含めました。

参照：自然土井県：10.1038 / s41560-019-0356-8

その後、機械学習（ML）法を使用してデータを調べ、バッテリサイクル寿命を正確に推定できるモデルを作成し、各電池の最初100サイクルだけを分析しました（記憶容量の損失の明確な徴候が出る前のものです）。

バッテリー寿命の推定値と観測値の対比線は、推定値と観測値が等しい場所を示しています。研究者による測定。

機械学習によって生成された最良のモデルは、91％のバッテリーでサイクル寿命を正しく推定することができました。研究者は、この方法を使い各バッテリーの最初の5サイクルからのデータを研究しました。今回の目的は、電池の寿命が短いのか長いのか（550回以上の充放電サイクルか）を判断することでした。この場合、モデルは95％のバッテリーについて正しい予測を行いました。

新しいモデルは、従来のSOH決定方法よりも効果的でしたが、蓄電容量がすでにある程度減っている電池の寿命を測定することにおいては、あまり正確ではないという結果が出ました。

研究チームは、新しいアプローチがリチウムイオン電池のライフサイクルを測定する有望な方法であり、バッテリー技術の開発また改善に役立つと信じています。