岭大研发AI模型　提升退役电池二次应用

随着电动车在全球日益普及，锂离子电池需求激增，导致报废的电池数量也随之增加。岭南大学科学教研组与上海理工大学组成研究团队，研发了一种崭新电池检测方法，针对退役电池的寿命进行分类和筛选，延长退役电池的使用期限，减少环境污染。

研究团队应用了AI技术的深度学习模型，只需要取得电池前3个充电回圈周期的资料，便能对不同寿命的电池进行分类。结果显示，即使退役电池有相似的初始容量和电阻，它们的使用寿命也可能有显著差异。使用传统的“容量-电阻方法”来检测电池状况，可能会导致错误的电池寿命分类。然而，研究团队提出的AI模型相比传统检测方法，可等效减少至少20%的电池寿命损耗，有效延长电池使用寿命。

团队指，基于安全性和续航力的考虑，当电动车的电池容量衰减至原有值的80%时就必须要退役。将退役电池二次应用于电力需求较低的地方，例如用作能源储存和备用电源，对于缓解能源危机和减少环境污染起了关键作用。

岭大指，研究成果提供了可靠而精确的方法，提升退役电池的二次应用，有关论文近日已在期刊IEEE发表。岭大科学教研组助理教授唐晓鹏表示，退役电池的关键挑战在于其使用寿命差异大，而目前业界亦缺乏检测电池寿命的分类演算法，是次研究的发现突破了退役电池效能检测的技术限制，不仅提升了电池的管理方案，并朝着更环保的方向迈进。此技术目前正在香港申请专利，岭大也正在积极推动并探索与香港政府及不同部门合作的可行性。