现在,在美国国家科学基金会(National Science Foundation)一项为期5年、50万美元的新拨款的支持下,堪萨斯大学(the University of Kansas)的研究人员研发出一项技术,可监控和防止锂离子电池过热。该大学机械工程系助理教授Huazhen Fang和他的学生一起研发出一种机器学习法,以监测电池内部的温度。
据堪萨斯大学研究人员所说,目前大多数追踪锂离子电池温度的技术还不够成熟,因为传感器只能读取电池外部的表面温度。
Fang教授表示:“通常,电池表面的温度不足以告知我们有关电池的状态,而电池内部的温度会告诉我们更多有关热力学的信息。但是,现在很少有方法可以将传感器放置在电池里面。然而,利用人工智能和机器学习,我们能够预测电池芯内部的温度,从而让我们能够检测电池行为。电池表面的温度可为机器学习方法提供丰富的数据,结合数学模型,就可以预测到电池内部发生了什么”。
没有将电池温度假设为统一的温度,现今有一种建模法称为“集总参数模型”,就是将电池温度假设为统一温度。Fang教授表示其计算机学习技术可以预测电池内部的温度变化,是一种更精确、更现实的方法,可计算出电池发生热失控的可能性。
Fang教授表示:“当电池充放电时,温度分布是不均匀的,通常靠近电极的电池内部温度会较高,但是外部表面温度较低。集总参数模型只考虑到电池温度均匀分布的情况,而我们的方法在时间和空间上重建了电池的温度。”
堪萨斯大学研究人员将锂离子电池的数据输入人工智能,以推断电池内部温度。此类数据可以在由电池供电的设备中进行处理,或者与云计算相连。如果电池发生热失控,该设备可经编程,将电池关闭会断开,以免电池变热起火或是引发爆炸。
凭借上述创新,锂离子电池可通过将数百块电池绑在一起,扩展到更多的工业应用中。据Fang教授所说,锂离子技术越来越多地应用于大规模电网中,以存储和排放太阳能和风能等可持续技术产生的电力。
