盖世汽车讯 锂离子电池（例如电动汽车和固定式储能系统中使用的电池）的安全使用，关键取决于状态监测和早期故障检测。单个电池电芯的故障可能会导致火灾等严重问题。
据外媒报道，为了降低这些风险，达姆施塔特工业大学（TU Darmstadt）和麻省理工学院（Massachusetts Institute of Technology，MIT）的研究人员开发出利用物理约束的机器学习方法进行电池分析和监控的新方法。
图片来源：期刊《Cell Reports Physical Science》
研究团队成员包括达姆施塔特工业大学自动化技术与机电一体化研究所的Joachim Schaeffer、Eric Lenz和Rolf Findeisen教授团队，以及麻省理工学院的 Richard Braatz教授和Martin Bazant教授团队。研究人员们共同开发出一种将物理方法与机器学习相结合的方法。
使用递归高斯（recursive Gaussian）过程，研究人员可以检测电池电芯中随时间和运行的变化。这些递归方法可以实时应用并有效处理大量数据，从而实现未来对电池系统的持续在线监控。
在本研究中，科学家们能够使用一个独特的数据集：一位研究伙伴匿名提供了28个电池系统的数据，这些电池系统因问题而退回制造商。该数据集包含来自224个电池电芯的超过1.33亿行数据，是同类数据集中首批公开的数据集之一。
最近发表在期刊《Cell Reports Physical Science》上的系统开发和分析结果证实，电池系统中通常只有一个电芯表现出异常行为，这可能会影响整个系统。这些发现有助于更好地了解电池的老化方式以及它们在什么条件下失效。这些方法使得未来能够持续监控电池，从而提高安全性。