|
| 左图：研究团队研发崭新的AI模型，对退役电池进行准确分类。右图：唐晓鹏教授表示，研究确保退役电池得到更有效的二次应用，为环境保护带来新希望。图源：大公报 |
中评社北京11月15日电／据大公报报导，岭南大学（岭大）科学教研组助理教授唐晓鹏与上海理工大学组成的研究团队，近日在IEEE期刊发表了一篇名为《以寿命为基础的电池分类 促进二次应用》（Lifespan－based Battery Classification towards Second－life Utilisation）的论文，并于第25届IEEE中国系统仿真技术及其应用学术会议（CCSSTA 2024）上，在278份的投稿论文中脱颖而出，成为仅四份获得“最佳论文奖”的得主之一。
研究团队透过人工智能（AI）的半监督学习模型，研发了一种崭新的电池检测方法，针对退役电池的寿命进行分类和筛选。
团队所训练的模型称为“卷积神经网络”──一种应用了AI技术的深度学习模型，只需要取得电池前三个充电回圈周期的资料（即从0%充到100%，再从100%耗至0%为一个充电回圈周期），便能对不同寿命的电池进行分类。
减少环境污染
研究团队解释，退役电池往往会出现性能退化的现象，导致它们之间因优劣不齐而出现严重的不一致性。在二次应用中，一个性能不佳的电池就足以拖低整个电池组的使用寿命。 |
