人工智能“激活”动力电池

黄玉垚 黄鑫

2017年，丰田汽车公司基于利用人工智能技术研发下一代动力电池催化剂材料的契机，投入了3500万美元，为其在清洁能源汽车的开发领域打下了基础。人工智能技术在动力电池领域的创新应用，已经成为促进动力电池安全高效发展的一种新手段，可有效完成固体电极材料筛选、电池健康状态评估等工作。及时探讨人工智能技术在动力电池领域的应用场景，发现问题并谋划解决之策，对推进动力电池的高速发展非常必要。

应用人工智能筛选锂离子电池材料。斯坦福大学的研究人员以材料的稳定性、成本、丰富度、导电性以及在电池电路中为电子重新规划线路的能力等指标为筛选标准，建立了锂离子材料数据库。该数据库涵盖了目前已知的几千种锂离子材料，并构建了预测模型和计算机算法，利用机器学习的方法，辨认含锂化合物的优劣。目前，其利用人工智能技术已经筛选出了超过12000种含有锂元素的化合物，最终找到了21种可作为固体电极的理想材料。

应用人工智能评估电池组的健康状况。人工智能在评估电池组健康状况时，采用粒子群优化遗传算法，构建一种神经网络，并对电池的各种信息（如电池容量、荷电状态、开路电压间的关联性及电池的不一致性）进行共享和有效信息的主动筛选，最后以粒子滤波的形式对电池荷电状态以及开路电压进行预估。该方法的优势在于能准确地检测到电池各种性能指标的临界点，并通过电池实际使用条件作为算法标准，进行健康状况预测，如电池组最大能量存储的变化，同时，可避免噪音等因素对测试结果的影响，效率和精确性大大提高。

应用人工智能开发新型电池催化剂材料。丰田汽车公司2017年投资3500万美元，采用人工智能、机器学习、材料信息学等方法，对新一代动力电池催化剂材料展开研究。目前，该项目已经初步完成了新型化合物材料的智能开发，来替代铂作为新型燃料电池催化剂材料。下一步将进行计算机测试，以缩小研究人员的模拟测试范围。该项目将助力丰田汽车在清洁能源领域打下坚实基础，并尽早达到“2050年减少新车90%的CO2排放量”的预定目标。

预期不确定导致风险较高。斯坦福大学在利用人工智能寻找理想电极材料项目中，服务器组建、现有动力电池数据搜集、预测模型构建、材料筛选等过程，耗资千万美元，但筛选出的材料只是通过人工智能模拟得出的理想结果，还没有进行材料的实际合成和检测，推广应用有一定风险。对于人工智能技术评估电池健康状况来讲，目前，也只在实验室条件下，完成了对部分锂离子电池组最大储能进行检验，并以此来预测电池健康状况，还没有对电池组健康状况的另外两个指标——直流阻力和交流阻抗进行评估验证，所以该方法还未实际应用。丰田汽车公司基于人工智能和机器学习技术的新一代电池催化材料的研发项目，目前并没有取得创新性进展，未来能否盈利还是未知。

我国动力电池领域人工智能技术应用的研究起步较晚，支持力度不足，缺少必要的资金引导和数据服务。部分研究机构对人工智能计算缺少实验数据支撑，动力电池生产企业还没有布局人工智能技术。为加快在动力电池领域引入人工智能技术，提出以下建议：

加快人工智能在动力电池领域应用技术研发。一是发挥政府资金引导作用，利用高技术产业发展专项、动力电池产业发展基金等资金渠道，加大对“人工智能+动力电池”的研发支持力度。二是将人工智能在动力电池领域的应用技术纳入到《节能与新能源汽车技术路线图》《促进汽车动力电池产业发展行动方案》等规划支持范畴，推动人工智能在电池材料筛选、检测等方面关键技术的迅速起步。三是搭建动力电池人工智能测试平台，严格依据电池使用性能标准制定统一的测试规范，及时反馈产品测试结果，引导人工智能在动力电池领域的更深层应用。

建立并完善人工智能在动力电池领域的应用支持体系。一是联合动力电池科研机构、企业、行業协会，以过去几十年来的测量和实验数据为基础，建立国家级动力电池材料数据库，填补材料物理化学性质、稳定性、能量密度、导电性等属性数据的空白，完善数据利用和共享制度，为人工智能计算的准确性提供可靠依据。二是鼓励动力电池企业及研究机构建立实验与人工智能计算互为补充的研究模式，重点支持新型电池材料开发、电池智能检测创新技术研究，加强产品测试验证等相关数据积累，为人工智能在动力电池领域的应用提供支撑。

深度挖掘人工智能在动力电池领域的商业价值。一是动力电池企业可在现有研究成果的基础上，加快人工智能技术的布局，尽快完成筛选的理想固体电极材料的实验验证、电池组健康状况的全面检测等研究，加速相关研究成果的实际应用。二是拓展人工智能技术应用领域，如具备电池使用数据读取、智能检测功能的充电桩，电池性能远程检测，售后更换提醒等，构建合适的商业模式，加速人工智能技术应用步伐。