研电动车电池二次应用 岭大学者获最佳论文奖

2024-11-15 11:10

唐晓鹏与研究团队训练名为「卷积神经网络」的AI深度学习模型。
唐晓鹏与研究团队训练名为「卷积神经网络」的AI深度学习模型。

为将电动车退役的锂离子电池二次应用,达至节能减排的目的,岭南大学科学教研组助理教授唐晓鹏与上海理工大学组成研究团队,通过人工智能(AI)研发崭新的电池检测方法,筛选已退役但寿命表现良好的电动车电池,用于能源储存和备用电池等电力需求较低的地方,缓解能源危机和减少环境污染。该研究论文近日在IEEE期刊发布,并在IEEE的学术会议中获颁「最佳论文奖」。

岭南大学科学教研组助理教授唐晓鹏与上海理工大学组成研究团队,通过人工智能(AI)研发崭新的电池检测方法。
岭南大学科学教研组助理教授唐晓鹏与上海理工大学组成研究团队,通过人工智能(AI)研发崭新的电池检测方法。
,筛选已退役但寿命表现良好的电动车电池,用于能源储存和备用电池等电力需求较低的地方。
,筛选已退役但寿命表现良好的电动车电池,用于能源储存和备用电池等电力需求较低的地方。
缓解能源危机和减少环境污染。
缓解能源危机和减少环境污染。
该研究论文近日在IEEE期刊发布,并在IEEE的学术会议中获颁「最佳论文奖」。
该研究论文近日在IEEE期刊发布,并在IEEE的学术会议中获颁「最佳论文奖」。
团队解释,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,就必须退役。
团队解释,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,就必须退役。

 

唐晓鹏与研究团队训练名为「卷积神经网络」的AI深度学习模型,取得电池前3个充电回圈周期资料,并对38个不同寿命的电池样本进行测试验证,再运用模型将寿命值良好且相同的电池归类,从而更有系统地选出可二次应用的电池。

团队解释,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,有助缓解能源危机和环境污染。该篇名为《以寿命为基础的电池分类 促进二次应用》的论文,在第25届IEEE中国系统仿真技术及其应用学术会议中,获得最佳论文奖。

本报记者

關鍵字

最新回应

關鍵字

相關新聞

You are currently at: std.stheadline.com
Skip This Ads
close ad
close ad