iMOE: Predicción de la trayectoria de degradación de baterías de segunda vida utilizando una mezcla interpretable de...

Área de la Ciencia:

• Ingeniería Eléctrica
• Ciencia de Materiales
• Energía Sostenible

Sus antecedentes:

• Las baterías de vehículos eléctricos retiradas presentan una oportunidad de almacenamiento de energía sostenible.
• Las incertidumbres en la degradación de la batería plantean riesgos de seguridad para las aplicaciones de segunda vida.
• La predicción precisa de la degradación es crucial para la integración confiable de la infraestructura energética.

Objetivo del estudio:

• Desarrollar un modelo interpretable para predecir las trayectorias de degradación de la batería.
• Abordar las preocupaciones de seguridad asociadas con el uso de baterías de segunda vida.
• Permitir la integración eficiente de baterías retiradas en la infraestructura energética.

Principales métodos:

• Se propuso una red interpretable de mezcla de expertos (iMOE).
• La red iMOE utiliza datos de capacidad-voltaje y de relajación para la clasificación de modos de degradación.
• Una red recurrente predice trayectorias de degradación a largo plazo basándose en incrustaciones aprendidas.

Principales resultados:

• iMOE logró un error porcentual absoluto medio (MAPE) del 0,95% para la predicción de por vida.
• El tiempo de inferencia se redujo a 0,43 ms, con una reducción del 50% en el tiempo de cálculo y una reducción del 77% en el MAPE en comparación con los métodos de última generación.
• Se demostró una predicción efectiva incluso con datos limitados (5 MB) o muestreados aleatoriamente.

Conclusiones:

• La red iMOE proporciona una solución desplegable y sin historial para predecir la degradación de la batería.
• Esto facilita la integración segura y eficaz de las baterías de segunda vida en los sistemas de almacenamiento de energía.
• El enfoque redefine la evaluación y el control de las baterías de segunda vida para la infraestructura de energía sostenible.