破解退役電池「壽命密碼」 為電池二次利用開創新機遇︱嶺航未來

在新能源產業蓬勃發展的今天，鋰離子電池被廣泛應用於電動汽車等領域。然而，鋰離子電池的生產製造過程是高能源消耗。因此，電池必須具備足夠長的使用壽命，才可彌補生產製造過程中所消耗的能源，並在其整個生命周期內對節能減排產生積極貢獻。由於電動汽車對電池的續航力和安全性要求較高，當電池容量衰減至初始容量的80%時，就不再適合車輛應用，並面臨退役。

為實現資源更有效利用，退役電池可被重新用於儲能系統、備用電源等對電池性能要求相對溫和的領域。然而，退役電池間性能存在較大差異，而電池組的性能往往由一組電池中最差的單體決定（木桶效應），這種「不一致性」成為再利用過程中的關鍵挑戰。將異常電池提前篩選出來避免混入電池組是一種行之有效的解決方案。

延伸閱讀：AI輔助 提升英語學習者寫作能力︱嶺航未來

AI助分類 有效延壽命

傳統篩選方法着重於篩選出當前條件下性能一致的電池，而忽視電池未來壽命差異，這將大幅縮短退役電池組的二次利用壽命。為解決這一難題，筆者提出了一種基於半監督學習的創新篩選方法，通過人工智能（AI）模型，能更有效地對退役電池壽命進行分類和篩選。相比傳統的「容量—內阻」篩選方法，該方法顯著提升了退役電池的二次利用率。

筆者提出的研究創新之處在於其AI模型的「壽命識別」能力。研究基於元學習方法開發了卷積神經網絡（CNN）模型，即一種被認為是AI技術核心的深度學習模型，能夠根據退役電池的壽命將其分組。模型只須利用電池前3個充電迴圈的資料便能對其壽命進行預測，從而避免了傳統方法對容量、內阻等指標的依賴。實驗結果表明，採用該模型後，電池分組的壽命損失相比傳統方法減少了至少25%。

這一研究成果展示了監督學習在電池分類中的潛力，不僅提升了篩選效率，還為二次利用電池提供了可靠的解決方案。這種方法不直接預測電池壽命，而是借助AI建立電池壽命的「鄰接矩陣」，將壽命接近的電池歸類為同組。由此，即便是針對退役電池的分類，亦能達成高效且精確的篩選效果。

能源與環境雙重效益

筆者認為，退役電池的二次利用為社會帶來雙重效益。首先，二次利用可等效延長電池壽命，減少對新電池的需求，從而降低生產過程中的能源消耗。其次，合理使用退役電池也有助於緩解資源枯竭和環境污染問題。通過科學分類技術，電池二次利用的潛力得以提升，不僅符合綠色發展的理念，亦為能源危機提供了新的解決途徑。

延伸閱讀：維護弱勢居住權益 以人為本整合劏房政策︱嶺航未來

突破瓶頸 可廣泛應用

筆者及研究團隊提出的方法在理論和實際應用上均有顯著突破。傳統篩選方法多依賴於容量、內阻、電壓等當前時刻性能指標。這些指標無法準確反映電池的整體壽命狀態。而通過AI識別電池的壽命特徵，不僅能按照當前性能對電池進行精準分類，還可在篩選過程中兼顧電池未來的使用壽命。研究結果表明，這種創新方案能夠有效減少壽命損失，並可進一步推廣到不同類型電池的複用場景，具有廣泛的適用性。

目前電動汽車等領域的快速發展，對電池壽命管理提出了更高要求。基於壽命的電池分類技術，不僅為退役電池的二次利用提供了科學依據，還為未來的電池管理系統奠定了重要基礎。

文：嶺南大學科學教研組助理教授唐曉鵬

本欄歡迎院校學者投稿，分享個人學術見解及研究成果，1400字為限，查詢及投稿請電郵︰[email protected]。

延伸閱讀：利用AI揭示 短片標題與縮圖對觀看量影響︱嶺航未來