Nuovo framework di intelligenza artificiale predice la durata delle batterie agli ioni di litio utilizzando l'analisi continua delle traiettorie di invecchiamento

È stato creato un nuovo framework che utilizza l'intelligenza artificiale per prevedere i modelli di invecchiamento delle batterie agli ioni di litio utilizzando dataset diversificati. Questo metodo incorpora dati continui tensione-capacità e capacità-ciclo provenienti da enti pubblici come NASA, CALCE e ISU-ILCC. Consente l'estrazione affidabile di indicatori di degrado come curvatura, lunghezza del plateau e metriche relative al punto di ginocchio, riducendo al minimo l'influenza della discretizzazione specifica del dataset. Lo studio affronta i problemi relativi alle valutazioni dell'invecchiamento delle batterie derivanti dalla variabilità tra le celle e dai diversi protocolli di ciclatura. Sono state trovate correlazioni significative tra l'insorgenza del punto di ginocchio e la fine della vita utile in oltre 250 celle, con coefficienti di Pearson compresi tra 0,75 e 0,84. Il framework migliora l'identificazione delle transizioni di degrado e perfeziona le previsioni anticipate della vita utile residua.