破解退役电池「寿命密码」 为电池二次利用开创新机遇︱岭航未来

在新能源产业蓬勃发展的今天，锂离子电池被广泛应用于电动汽车等领域。然而，锂离子电池的生产制造过程是高能源消耗。因此，电池必须具备足够长的使用寿命，才可弥补生产制造过程中所消耗的能源，并在其整个生命周期内对节能减排产生积极贡献。由于电动汽车对电池的续航力和安全性要求较高，当电池容量衰减至初始容量的80%时，就不再适合车辆应用，并面临退役。

为实现资源更有效利用，退役电池可被重新用于储能系统、备用电源等对电池性能要求相对温和的领域。然而，退役电池间性能存在较大差异，而电池组的性能往往由一组电池中最差的单体决定（木桶效应），这种「不一致性」成为再利用过程中的关键挑战。将异常电池提前筛选出来避免混入电池组是一种行之有效的解决方案。

延伸阅读：AI辅助 提升英语学习者写作能力︱岭航未来

AI助分类 有效延寿命

传统筛选方法着重于筛选出当前条件下性能一致的电池，而忽视电池未来寿命差异，这将大幅缩短退役电池组的二次利用寿命。为解决这一难题，笔者提出了一种基于半监督学习的创新筛选方法，通过人工智能（AI）模型，能更有效地对退役电池寿命进行分类和筛选。相比传统的「容量—内阻」筛选方法，该方法显著提升了退役电池的二次利用率。

笔者提出的研究创新之处在于其AI模型的「寿命识别」能力。研究基于元学习方法开发了卷积神经网络（CNN）模型，即一种被认为是AI技术核心的深度学习模型，能够根据退役电池的寿命将其分组。模型只须利用电池前3个充电回圈的资料便能对其寿命进行预测，从而避免了传统方法对容量、内阻等指标的依赖。实验结果表明，采用该模型后，电池分组的寿命损失相比传统方法减少了至少25%。

这一研究成果展示了监督学习在电池分类中的潜力，不仅提升了筛选效率，还为二次利用电池提供了可靠的解决方案。这种方法不直接预测电池寿命，而是借助AI建立电池寿命的「邻接矩阵」，将寿命接近的电池归类为同组。由此，即便是针对退役电池的分类，亦能达成高效且精确的筛选效果。

能源与环境双重效益

笔者认为，退役电池的二次利用为社会带来双重效益。首先，二次利用可等效延长电池寿命，减少对新电池的需求，从而降低生产过程中的能源消耗。其次，合理使用退役电池也有助于缓解资源枯竭和环境污染问题。通过科学分类技术，电池二次利用的潜力得以提升，不仅符合绿色发展的理念，亦为能源危机提供了新的解决途径。

延伸阅读：维护弱势居住权益 以人为本整合劏房政策︱岭航未来

突破瓶颈 可广泛应用

笔者及研究团队提出的方法在理论和实际应用上均有显著突破。传统筛选方法多依赖于容量、内阻、电压等当前时刻性能指标。这些指标无法准确反映电池的整体寿命状态。而通过AI识别电池的寿命特徵，不仅能按照当前性能对电池进行精准分类，还可在筛选过程中兼顾电池未来的使用寿命。研究结果表明，这种创新方案能够有效减少寿命损失，并可进一步推广到不同类型电池的复用场景，具有广泛的适用性。

目前电动汽车等领域的快速发展，对电池寿命管理提出了更高要求。基于寿命的电池分类技术，不仅为退役电池的二次利用提供了科学依据，还为未来的电池管理系统奠定了重要基础。

文：岭南大学科学教研组助理教授唐晓鹏

本栏欢迎院校学者投稿，分享个人学术见解及研究成果，1400字为限，查询及投稿请电邮︰[email protected]。

延伸阅读：利用AI揭示 短片标题与缩图对观看量影响︱岭航未来