隨着電動車在全球日益普及，鋰離子電池的需求激增，導致報廢的電池數量也隨之增加，如何充分二次應用退役電池成為重要的社會議題。為協助解決這一問題，嶺南大學（嶺大）今日（14日）表示，嶺大科學教研組助理教授唐曉鵬與上海理工大學組成的研究團隊，近日在IEEE期刊發表了一篇名為《以壽命為基礎的電池分類  促進二次應用》的論文，並於第25屆IEEE中國系統仿真技術及其應用學術會議（CCSSTA 2024）上，在278份的投稿論文中脫穎而出，成為僅4份獲得「最佳論文獎」之一。

嶺大科學教研組助理教授唐曉鵬。 嶺大供圖

研究團隊透過人工智能（AI）的半監督學習模型，研發了一種嶄新的電池檢測方法，針對退役電池的壽命進行分類和篩選。團隊所訓練的模型稱為「卷積神經網絡」——一種應用了AI技術的深度學習模型，只需要取得電池前三個充電迴圈周期的資料（即從0%充到100%，再從100%耗至0%為一個充電迴圈周期），便能對不同壽命的電池進行分類，解決了傳統的檢測方法中，因電池差異造成模型失效，從而無法評估其容量的真實狀態，導致檢測結果與實際電池狀態不符的問題。該研發的突破在於AI檢測模型不需要直接預測退役電池的使用壽命，而是評估兩個電池是否有相若的使用壽命，有效將不同電池分類，達至高效且精確的篩選效果。

研究團隊研發嶄新的AI模型對退役電池進行準確分類（由上海理工大學提供）。 嶺大供圖

研究團隊隨後對38個電池樣本進行測試驗證，當中有22個電池因為老化問題已達到「截止容量」、電池效能下降。而另外的16個電池則有較好的壽命表現，團隊將它們列為可以二次應用的候選電池，但不知道其真實的壽命值。團隊其後將22個效能較低的電池，即使用已達到「截止容量」的電池老化資料來訓練AI模型，使該模型能夠根據電池的預期壽命來將較長壽命的電池分類為不同的群組。團隊再利用該模型將未分類的電池進行一對一比較，將壽命值屬於同一類別的電池分組，從而有系統地對退役電池進行分類。

結果顯示，即使退役電池有相似的初始容量和電阻，它們的使用壽命也可能有顯著差異。使用傳統的「容量-電阻方法」來檢測電池狀況，可能會導致錯誤的電池壽命分類。然而，研究團隊提出的AI模型相比傳統檢測方法，可等效減少至少百分之二十的電池壽命損耗，有效延長電池使用壽命。這項嶄新研究成果提供了可靠而精確的方法，提升退役電池的二次應用，優化電池管理方案，對節能減排產生積極影響。