恒翼能赵少华：容量预测系统开启锂电后段智造时代

随着算力水平的不断提升以及深度学习算法的突破，深度学习、人工智能与各个领域行业的结合都在加快。

在动力电池领域，行业领先的装备企业也在不断探索深度学习、人工智能与锂电装备的结合。

12月16-18日，“利元亨•2019高工锂电&电动车年会”在深圳机场凯悦酒店盛大举行。作为锂电及电动车行业规模最大、参与度最高的年度盛会，现场吸引了材料、设备、电芯、BMS、PACK、整车、运营租赁整个新能源汽车产业链超800位企业高层参与其中。

在18日由科瑞技术冠名的闭幕式专场，恒翼能副总裁赵少华博士发表了《机器学习和人工智能开启锂电后段设备的智能制造时代》的主题演讲，阐述恒翼能在机器学习、人工智能与锂电后段设备结合的探索实践。

赵少华博士表示，早在2017年，人工智能概念尚未火爆的时候，恒翼能就已经开始探索深度学习、人工智能与锂电池设备的结合。

基于机器学习、人工智能与锂电后段设备的结合，恒翼能率先研发出了容量预测系统，目前，该技术已获得发明专利、国际专利以及美国专利，并获得了“第二十一界中国发明专利奖”。

赵少华博士指出，常规的分容工艺通常需要1.5个以上的充电-静置-放电循环，耗时4小时以上。而恒翼能的容量预测系统拥有完整的充放电曲线重建系统，利用部分放电数据精确重建完整放电曲线。

同时，系统还包含离线数据训练、在线重建、参考数据学习更新等部分。

“基于此，分容时间可缩短到1/3，分容设备减少到原来的1/3，大大减少了设备投入并提高了生产效率。”赵少华博士强调。

综合来看，恒翼能的容量预测系统具备电芯特征采集、模型管理、实时看板、预测结果与效益等优势。

电芯特征采集层面，恒翼能通过硬件级的电芯特征采集，每个通道独立以毫秒级的间隔和0.02%电流电压高精度采集电芯在充放电过程中的特征，与常规在上位机记录相比，硬件级的记录电芯特征微小和快速的变化，以提高预测精度。

特征采集数据量庞大，在硬件级上预处理特征和进行无损压缩处理，以保留更多有价值的电芯特征。

模型管理层面，可实时监控电芯容量预测情况，自动调整模型的权重或切换模型，如果因材料或制程变化引起容量的变化，系统能自动调节，保证预测容量的准确性。

实时看板层面，可实时监控电芯生产过程和容量预测系统运行情况，对于生产异常会即时报警并提供自动或手动处理方案，保证生产的质量和时间。

预测结果与效益层面，容量预测平均误差≤0.1%，工艺和品质大数据分析，指导设备和制程工艺改进；设备数量减少，成本降低；厂房空间减少，成本降低。

赵少华博士表示，经过模型验证后，只需要第一次放电到50%SOC时所提取的电芯特征足够计算容量的准确性，相比原工艺的生产时间约缩短45%。

“采用该专利技术，分容时间保守估计能够缩短45%，则每年可节约电能260万度，按0.725的工业用电价格计算，每年可节约电费200万元。”赵少华博士强调。

声明：本网站所发布文章，均来自于互联网，不代表本站观点，如有侵权，请联系删除（QQ：378886361）

定制案例