Сотрудники NREL занимаются разработкой моделей ИИ с целью улучшения диагностики аккумуляторов

Сотрудники Национальной лаборатории возобновляемой энергии Министерства энергетики США (NREL) показали модель нейронной сети, которая основана на физических данных (PINN). По их словам она может прогнозировать состояние аккумулятора почти в 1000 раз быстрее, чем традиционные модели.

PINN NREL осуществляет замену традиционной ресурсоёмкой модели физики аккумулятора. На смену ей они предлагают подход, базирующийся на ИИ. Эта методика имитирует взаимосвязанные нейроны головного мозга для анализа сложных нелинейных наборов данных.

С помощью такого глубокого обучения можно количественно оценить механизмы физической деградации аккумулятора. Основываясь на этих данных можно будет проложить путь к масштабируемым более эффективным подходам по управлению старением аккумуляторов.

Малик Хассанали, научный сотрудник NREL в области вычислительных наук, сотрудничает с группой исследователей по аккумуляторам. Он говорит, что вместо физической модели они предлагают суррогатную модель PINN. С её помощью они смогут отделить внутренние свойства аккумулятора от его выходного напряжения. Всё это даст существенное сокращение времени вычислений и необходимые ресурсы для быстрой диагностики деградации аккумулятора. Подход сможет предоставлять обратную связь о состоянии аккумулятора в режиме реального времени.

Результаты исследования были опубликованы в журнале Journal of Energy Storage. Там описан процесс того, как учёные проводили обучение и тестировали суррогатную модель PINN с использованием традиционных моделей SPM и P2D. В результате суррогатная модель PINN была обучена на основе ряда внутренних свойств аккумулятора. Это дало возможность понять те изменения, которые происходят в процессе старения аккумулятора. На основе этих данных можно оценить срок эксплуатации аккумулятора в различных условиях.

PINN-сети были разработаны для понимания и отслеживания физических законов посредством их внедрения в процедуру обучения модели. Такой подход позволяет прогнозировать параметры аккумуляторов на уровне научной строгости. Ранее такие результаты можно было получить лишь с помощью трудоёмких сложных моделей. То есть, методики, которые были ограничены высокими требованиями к ресурсам, теперь можно разворачивать в больших масштабах.

Сотрудники NREL работают над переводом суррогата PINN из так называемого контролируемого моделирования в реальную проверку данных. Для этого используются аккумуляторы, циклируемые в лабораториях NREL. В дальнейшем исследования будут сосредоточены на уточнении модели для решения задач высокой размерности.

Это позволит прогнозировать большее число внутренних параметров аккумуляторов с повышенной точностью. То есть, можно будет создавать модели, которые могут реагировать на различные токовые нагрузки. Эти модели можно будет эффективно масштабировать для будущих конструкций аккумуляторов.

Кандлер Смит, руководитель исследований в области электрохимического моделирования и науки о данных в NREL, отметил, что методика открывает новые возможности в диагностике аккумуляторов и открывает путь к бортовой диагностике эксплуатируемых аккумуляторов. То есть, в будущем аккумуляторы будут включать в себя системы, которые продлевают срок их эксплуатации посредством выявления сигналов деградации и адаптации пределов быстрой зарядки по мере старения.