<p><strong>電動汽車的電池老化速度過快，這減緩了交通運輸行業的電氣化進程。烏普薩拉大學的研究人員現在開發了一種人工智能模型，可以提供更準確的電池老化情況。這一模型可能會延長電動汽車電池的使用壽命並提高安全性。</strong></p>
<p>電動汽車的電池通常是車輛中第一個老化的組件。這在今天是資源的重大浪費，並且阻礙了交通運輸行業的轉型。為了解決這個問題，汽車行業正在開發軟件，通常基於人工智能，以優化電池管理和控制。烏普薩拉大學的研究人員現在生產了一種新模型，可以將電池健康預測的準確性提高多達 70%。</p>
<p>“能夠更多地瞭解電池的使用壽命和老化過程，將有利於未來電動汽車的控制系統。這也表明，理解電池內部發生的事情是多麼重要。如果我們不再把它們視為僅僅提供電力的黑箱，而是獲取關於內部過程的詳細信息，我們就可以管理它們，使其保持良好狀態更長時間，” 負責該研究的烏普薩拉大學Ångström 先進電池中心的丹尼爾·布蘭德爾教授説。</p>
<p><strong>可以繪製電池生命週期圖</strong></p>
<p>這項研究背後有數年的電池測試，研究是在與丹麥奧爾堡大學的合作下進行的。通過收集大量非常短的充電段數據，建立了一個數據庫。然後將這些數據與電池內部發生的各種化學過程的詳細模型結合起來。</p>
<p>“總的來説，這為我們提供了電池產生電力的各種化學反應的非常精確的圖像，同時也展示了它在使用過程中如何老化，” 進行該研究的温迪·郭説。</p>
<p><strong>減少對敏感車輛數據的需求</strong></p>
<p>這一發現也可能影響電動汽車的安全性。電池中可能出現的安全問題通常是由於設計缺陷和副反應造成的，這些問題也可以通過研究電池充放電的數據來預測。</p>
<p>“我們僅使用短充電段的事實可能是一個額外的優勢。電動汽車的電池數據是敏感的，無論是對行業還是從用户的匿名化角度來看。這項研究表明，在不需要完整數據集的情況下，可以取得多大的進展，” 布蘭德爾説。</p>

英可瑞

<p>烏普薩拉大學的研究人員開發了一種新的人工智能模型，顯著提高了對電動汽車電池老化的理解，可能將電池壽命和安全性提高多達 70%。該模型利用短時間充電段的數據，提供電池內部化學過程的洞察，解決導致電池過早老化和安全隱患的問題。研究結果強調了詳細電池管理的重要性，並可能通過優化電池性能而不依賴敏感的車輛數據，幫助交通運輸部門實現電氣化</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>電動汽車的電池老化速度過快，這減緩了交通運輸行業的電氣化進程。烏普薩拉大學的研究人員現在開發了一種人工智能模型，可以提供更準確的電池老化情況。這一模型可能會延長電動汽車電池的使用壽命並提高安全性。</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>電動汽車的電池通常是車輛中第一個老化的組件。這在今天是資源的重大浪費，並且阻礙了交通運輸行業的轉型。為了解決這個問題，汽車行業正在開發軟件，通常基於人工智能，以優化電池管理和控制。烏普薩拉大學的研究人員現在生產了一種新模型，可以將電池健康預測的準確性提高多達 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>“能夠更多地瞭解電池的使用壽命和老化過程，將有利於未來電動汽車的控制系統。這也表明，理解電池內部發生的事情是多麼重要。如果我們不再把它們視為僅僅提供電力的黑箱，而是獲取關於內部過程的詳細信息，我們就可以管理它們，使其保持良好狀態更長時間，” 負責該研究的烏普薩拉大學Ångström 先進電池中心的丹尼爾·布蘭德爾教授説。</p>
</div><p><strong>Can map the battery life cycle</strong></p>
<div class="lb-trans"><p><strong>可以繪製電池生命週期圖</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>這項研究背後有數年的電池測試，研究是在與丹麥奧爾堡大學的合作下進行的。通過收集大量非常短的充電段數據，建立了一個數據庫。然後將這些數據與電池內部發生的各種化學過程的詳細模型結合起來。</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>“總的來説，這為我們提供了電池產生電力的各種化學反應的非常精確的圖像，同時也展示了它在使用過程中如何老化，” 進行該研究的温迪·郭説。</p>
</div><p><strong>Reduces need for sensitive vehicle data</strong></p>
<div class="lb-trans"><p><strong>減少對敏感車輛數據的需求</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>這一發現也可能影響電動汽車的安全性。電池中可能出現的安全問題通常是由於設計缺陷和副反應造成的，這些問題也可以通過研究電池充放電的數據來預測。</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>“我們僅使用短充電段的事實可能是一個額外的優勢。電動汽車的電池數據是敏感的，無論是對行業還是從用户的匿名化角度來看。這項研究表明，在不需要完整數據集的情況下，可以取得多大的進展，” 布蘭德爾説。</p>
</div>

新的人工智能模型能夠幫助延長電動汽車電池的使用壽命並提升其安全性