<p><strong>电动汽车的电池老化速度过快，这减缓了交通运输行业的电气化进程。乌普萨拉大学的研究人员现在开发了一种人工智能模型，可以提供更准确的电池老化情况。这一模型可能会延长电动汽车电池的使用寿命并提高安全性。</strong></p>
<p>电动汽车的电池通常是车辆中第一个老化的组件。这在今天是资源的重大浪费，并且阻碍了交通运输行业的转型。为了解决这个问题，汽车行业正在开发软件，通常基于人工智能，以优化电池管理和控制。乌普萨拉大学的研究人员现在生产了一种新模型，可以将电池健康预测的准确性提高多达 70%。</p>
<p>“能够更多地了解电池的使用寿命和老化过程，将有利于未来电动汽车的控制系统。这也表明，理解电池内部发生的事情是多么重要。如果我们不再把它们视为仅仅提供电力的黑箱，而是获取关于内部过程的详细信息，我们就可以管理它们，使其保持良好状态更长时间，” 负责该研究的乌普萨拉大学Ångström 先进电池中心的丹尼尔·布兰德尔教授说。</p>
<p><strong>可以绘制电池生命周期图</strong></p>
<p>这项研究背后有数年的电池测试，研究是在与丹麦奥尔堡大学的合作下进行的。通过收集大量非常短的充电段数据，建立了一个数据库。然后将这些数据与电池内部发生的各种化学过程的详细模型结合起来。</p>
<p>“总的来说，这为我们提供了电池产生电力的各种化学反应的非常精确的图像，同时也展示了它在使用过程中如何老化，” 进行该研究的温迪·郭说。</p>
<p><strong>减少对敏感车辆数据的需求</strong></p>
<p>这一发现也可能影响电动汽车的安全性。电池中可能出现的安全问题通常是由于设计缺陷和副反应造成的，这些问题也可以通过研究电池充放电的数据来预测。</p>
<p>“我们仅使用短充电段的事实可能是一个额外的优势。电动汽车的电池数据是敏感的，无论是对行业还是从用户的匿名化角度来看。这项研究表明，在不需要完整数据集的情况下，可以取得多大的进展，” 布兰德尔说。</p>

英可瑞

<p>乌普萨拉大学的研究人员开发了一种新的人工智能模型，显著提高了对电动汽车电池老化的理解，可能将电池寿命和安全性提高多达 70%。该模型利用短时间充电段的数据，提供电池内部化学过程的洞察，解决导致电池过早老化和安全隐患的问题。研究结果强调了详细电池管理的重要性，并可能通过优化电池性能而不依赖敏感的车辆数据，帮助交通运输部门实现电气化</p>

<p><strong>Batteries in electric vehicles wear out too quickly and this is slowing down the electrification of the transport sector. Researchers at Uppsala University have now developed an AI model that can provide a much more accurate picture of battery ageing. The model could lead to longer life and enhanced safety for electric vehicle batteries.</strong></p>
<div class="lb-trans"><p><strong>电动汽车的电池老化速度过快，这减缓了交通运输行业的电气化进程。乌普萨拉大学的研究人员现在开发了一种人工智能模型，可以提供更准确的电池老化情况。这一模型可能会延长电动汽车电池的使用寿命并提高安全性。</strong></p>
</div><p>It is not uncommon for batteries in electric cars to be the first component of the vehicle to age. This is a major waste of resources today and is holding back the transformation of the transport sector. To address this issue, the automotive industry is developing software, often based on AI, to optimise battery management and control. Researchers at Uppsala University have now produced a new model that can increase the robustness of battery health predictions by up to 70 per cent.</p>
<div class="lb-trans"><p>电动汽车的电池通常是车辆中第一个老化的组件。这在今天是资源的重大浪费，并且阻碍了交通运输行业的转型。为了解决这个问题，汽车行业正在开发软件，通常基于人工智能，以优化电池管理和控制。乌普萨拉大学的研究人员现在生产了一种新模型，可以将电池健康预测的准确性提高多达 70%。</p>
</div><p>“Being able to learn more about the life and ageing of batteries will benefit future control systems in electric vehicles. It also shows how important it is to understand what happens inside the batteries. If we stop looking at them as black boxes that are simply expected to provide power, and instead acquire a detailed picture of the processes, we can manage them so that they stay in good condition longer,” says Professor Daniel Brandell, who led the study and is in charge of the Ångström Advanced Battery Centre at Uppsala University.</p>
<div class="lb-trans"><p>“能够更多地了解电池的使用寿命和老化过程，将有利于未来电动汽车的控制系统。这也表明，理解电池内部发生的事情是多么重要。如果我们不再把它们视为仅仅提供电力的黑箱，而是获取关于内部过程的详细信息，我们就可以管理它们，使其保持良好状态更长时间，” 负责该研究的乌普萨拉大学Ångström 先进电池中心的丹尼尔·布兰德尔教授说。</p>
</div><p><strong>Can map the battery life cycle</strong></p>
<div class="lb-trans"><p><strong>可以绘制电池生命周期图</strong></p>
</div><p>Several years of battery testing are behind the study, carried out in collaboration with Aalborg University in Denmark. A database was built up by collecting data from numerous very short charging segments. This was then combined with a detailed model of all the different chemical processes taking place inside the battery.</p>
<div class="lb-trans"><p>这项研究背后有数年的电池测试，研究是在与丹麦奥尔堡大学的合作下进行的。通过收集大量非常短的充电段数据，建立了一个数据库。然后将这些数据与电池内部发生的各种化学过程的详细模型结合起来。</p>
</div><p>“Altogether, this gives us a very precise picture of the various chemical reactions that result in the battery generating power, but also of how it ages during use,” says Wendi Guo, who conducted the study.</p>
<div class="lb-trans"><p>“总的来说，这为我们提供了电池产生电力的各种化学反应的非常精确的图像，同时也展示了它在使用过程中如何老化，” 进行该研究的温迪·郭说。</p>
</div><p><strong>Reduces need for sensitive vehicle data</strong></p>
<div class="lb-trans"><p><strong>减少对敏感车辆数据的需求</strong></p>
</div><p>The discovery could also affect the safety of electric vehicles. The safety problems that can occur in the battery are often due to design flaws and side reactions, which can also be predicted by studying data from the battery’s charging and discharging.</p>
<div class="lb-trans"><p>这一发现也可能影响电动汽车的安全性。电池中可能出现的安全问题通常是由于设计缺陷和副反应造成的，这些问题也可以通过研究电池充放电的数据来预测。</p>
</div><p>“The fact that we only use short charging segments is probably an added advantage. Battery data from electric vehicles is sensitive, both for the industry and from an anonymisation point of view for users. This research shows how far you can get without needing complete datasets,” says Brandell.</p>
<div class="lb-trans"><p>“我们仅使用短充电段的事实可能是一个额外的优势。电动汽车的电池数据是敏感的，无论是对行业还是从用户的匿名化角度来看。这项研究表明，在不需要完整数据集的情况下，可以取得多大的进展，” 布兰德尔说。</p>
</div>

新的人工智能模型能够帮助延长电动汽车电池的使用寿命并提升其安全性