嶺南大學（嶺大）科學教研組助理教授唐曉鵬博士與上海理工大學組成的研究團隊，近日在 IEEE（電氣電子工程師學會）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》（Lifespan-based Battery Classification towards Second-life Utilisation）的論文，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 份投稿論文中脫穎而出，成為僅 4 個「最佳論文獎」的得主之一。

團隊訓練了一個卷積神經網絡 AI 模型，針對退役電池的壽命進行分類和篩選，只需要取得電池前三個充電迴圈周期的資料（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因電池差異造成模型失效、從而無法評估其容量真實狀態、以致檢測結果與實際不符的問題。數據又顯示，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。

研究團隊表示，此一 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，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。

以電動車為例，基於安全性和續航力的考慮，當電池容量衰減至原有的 80% 就必須要退役，若將退役電池二次應用於電力需求較低的地方，例如用作能源儲存和備用電源，對於緩解能源危機和減少環境污染可起重要作用，但退役電池往往會出現性能退化，導致嚴重的不一致性，在二次應用中，一個性能不佳的電池就足以拖低整個電池組的使用壽命。

唐曉鵬博士表示：「鋰離子電池的生產過程極之耗能，因此，電池必須要有足夠長的使用壽命，才能確保其整個生命週期對節能減排做出積極貢獻。然而，退役電池的關鍵挑戰在於其使用壽命差異大，而目前業界亦缺乏檢測電池壽命的分類演算法。是次研究的發現，突破了退役電池效能檢測的技術限制，不僅提升了電池的管理方案，並朝著更環保的方向邁進。」

嶺大表示，此技術目前正在香港申請專利，校方正積極推動並探索與香港特區政府及不同部門合作的可行性。

另一方面，唐曉鵬博士與上海理工大學、上海工程技術大學、同濟大學組成的研究團隊，近期亦在《細胞報告物質科學》（Cell Reports Physical Science）發表論文《基於小樣本學習的多場景電池阻抗譜在線生成》（Online multi-scenario impedance spectra generation for batteries based on small-sample learning），該項研究利用極少量的真實電池樣本，開發出一個嶄新的深度學習模型，實現低成本、高效率及高準繩度的電池檢測。

來源：嶺南大學

如欲知道更多教科相關消息，請留意京港 Facebook 專頁：https://www.facebook.com/BHKAEC