Mô Hình Trí Tuệ Nhân Tạo Nâng Cao Hiệu Quả Chẩn Đoán Pin - CleanTechnica

Phòng Thí nghiệm Năng lượng Tái tạo Quốc gia (NREL) đã phát triển một mô hình mạng nơ-ron thông tin vật lý (PINN) sáng tạo, giúp nâng cao đáng kể hiệu quả và độ chính xác trong việc chẩn đoán tình trạng pin lithium-ion. Các mô hình chẩn đoán pin truyền thống, như Mô hình Hạt Đơn (SPM) và Mô hình Pseudo-2D (P2D), cung cấp cái nhìn chi tiết về cơ chế suy giảm pin nhưng lại tốn nhiều tài nguyên tính toán và chậm, hạn chế việc ứng dụng thực tế cho chẩn đoán thời gian thực. Mô hình thay thế PINN của NREL kết hợp trí tuệ nhân tạo với mô hình dựa trên vật lý để phân tích dữ liệu pin phức tạp, cho phép dự đoán tình trạng pin nhanh hơn gần 1.000 lần so với các phương pháp truyền thống. Đột phá này cho phép các nhà nghiên cứu và nhà sản xuất giám sát trạng thái bên trong của pin một cách không phá hủy, như sự thay đổi điện cực và lượng lithium-ion, dưới nhiều điều kiện vận hành khác nhau. Bằng cách huấn luyện mô hình thay thế PINN trên dữ liệu được tạo ra từ các mô hình vật lý đã được thiết lập, NREL đã tạo ra một công cụ có khả năng mở rộng, có thể nhanh chóng ước lượng quá trình lão hóa và hiệu suất tuổi thọ của pin trong nhiều kịch bản khác nhau. Tiến bộ này hứa hẹn sẽ cải thiện quản lý pin, tối ưu hóa thiết kế và kéo dài tuổi thọ hoạt động của các hệ thống lưu trữ năng lượng, điều rất quan trọng cho hạ tầng năng lượng bền vững và có khả năng chống chịu cao.