2023-11-08 | 울산=장지승 기자

无需拆解即可“一站式”诊断电池健康状态技术问世

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

一项可诊断用尽电量电池的健康状态、并轻松判断是否可回收利用的技术已被开发出来。由于诊断不受设备种类限制,预计将对电池健全性管理领域产生重大影响。

UNIST(蔚山科学技术院)能源化学工程系金东赫、崔允硕教授及碳中和研究生院林汉权教授团队8日表示,已开发出基于计算机自主训练的深度学习、可诊断电池部件健康状态的系统DeepSUGAR。该系统结合了通过学习创造新作品的生成式人工智能技术“生成对抗网络(GAN)”与能够有效处理图像的“卷积神经网络(CNN)”。

DeepSUGAR将锂电池充放电时获得的电压、电流、容量数据转换为光的三原色数值并图像化,并在此基础上利用深度学习模型预测电池的健康状态。由于不论模块、电池包等电池构成方式均可适用,与现有电池诊断方法形成差异。

金东赫教授说明称:“利用DeepSUGAR将充放电数据图像化的特点,构建了无需拆解电池即可判断已使用电池能否回收利用的验证系统。”

研究团队构建的系统利用生成式人工智能(AI),可基于电池健康状态推算出电池部件——模块的充放电数据。即无需拆解电池或进行实际充放电测试,也能判断内部模块是否可回收利用。

第一作者、能源化学工程系硕博连读研究员朴瑞婷说明称:“所开发的系统利用生成式AI,仅通过电池包充放电试验即可确认各内部构成模块能否再使用,从而简化回收利用流程”,“由于不局限于设备种类、可通用适用,预计将对电池回收利用领域作出重大贡献。”

此外,共同第一作者、能源化学工程系硕博连读研究员林东俊表示:“不仅在电池回收利用领域,在实际生活中也可通过电池包诊断预测内部模块的健康状态”,“由于可仅更换性能下降的模块,预计今后将有助于在各领域实现绿色能源。”

本次研究由UNIST碳中和实证化中心、韩国科学技术情报通信部的生物·医疗技术开发项目,以及以韩国产业通商资源部的资金由韩国产业技术评价管理院支持完成。论文于10月17日在国际学术期刊《材料化学A》(Journal of Materials Chemistry A)在线刊载,并被选为11月号封面论文。

阅读韩文原文