2017年，豐田汽車公司基於利用人工智能技術研發下一代動力電池催化劑材料的契機，投入了3500萬美元，為其在清潔能源汽車的開發領域打下了基礎。人工智能技術在動力電池領域的創新應用，已經成為促進動力電池安全高效發展的一種新手段，可有效完成固體電極材料篩選、電池健康狀態評估等工作。及時探討人工智能技術在動力電池領域的應用場景，發現問題並謀劃解決之策，對推進動力電池的高速發展非常必要。
應用人工智能篩選鋰離子電池材料。斯坦福大學的研究人員以材料的穩定性、成本、豐富度、導電性以及在電池電路中為電子重新規劃線路的能力等指標為篩選標準，建立了鋰離子材料數據庫。該數據庫涵蓋了目前已知的幾千種鋰離子材料，並構建了預測模型和計算機算法，利用機器學習的方法，辨認含鋰化合物的優劣。目前，其利用人工智能技術已經篩選出了超過12000種含有鋰元素的化合物，最終找到了21種可作為固體電極的理想材料。
應用人工智能評估電池組的健康狀況。人工智能在評估電池組健康狀況時，採用粒子群優化遺傳算法，構建一種神經網絡，並對電池的各種信息（如電池容量、荷電狀態、開路電壓間的關聯性及電池的不一致性）進行共享和有效信息的主動篩選，最後以粒子濾波的形式對電池荷電狀態以及開路電壓進行預估。該方法的優勢在於能準確地檢測到電池各種性能指標的臨界點，並通過電池實際使用條件作為算法標準，進行健康狀況預測，如電池組最大能量存儲的變化，同時，可避免噪音等因素對測試結果的影響，效率和精確性大大提高。
應用人工智能開發新型電池催化劑材料。豐田汽車公司2017年投資3500萬美元，採用人工智能、機器學習、材料信息學等方法，對新一代動力電池催化劑材料展開研究。目前，該項目已經初步完成了新型化合物材料的智能開發，來替代鉑作為新型燃料電池催化劑材料。下一步將進行計算機測試，以縮小研究人員的模擬測試範圍。該項目將助力豐田汽車在清潔能源領域打下堅實基礎，並儘早達到“2050年減少新車90%的CO2排放量”的預定目標。
預期不確定導致風險較高。斯坦福大學在利用人工智能尋找理想電極材料項目中，服務器組建、現有動力電池數據蒐集、預測模型構建、材料篩選等過程，耗資千萬美元，但篩選出的材料只是通過人工智能模擬得出的理想結果，還沒有進行材料的實際合成和檢測，推廣應用有一定風險。對於人工智能技術評估電池健康狀況來講，目前，也只在實驗室條件下，完成了對部分鋰離子電池組最大儲能進行檢驗，並以此來預測電池健康狀況，還沒有對電池組健康狀況的另外兩個指標——直流阻力和交流阻抗進行評估驗證，所以該方法還未實際應用。豐田汽車公司基於人工智能和機器學習技術的新一代電池催化材料的研發項目，目前並沒有取得創新性進展，未來能否盈利還是未知。
我國動力電池領域人工智能技術應用的研究起步較晚，支持力度不足，缺少必要的資金引導和數據服務。部分研究機構對人工智能計算缺少實驗數據支撐，動力電池生產企業還沒有佈局人工智能技術。為加快在動力電池領域引入人工智能技術，提出以下建議：
加快人工智能在動力電池領域應用技術研發。一是發揮政府資金引導作用，利用高技術產業發展專項、動力電池產業發展基金等資金渠道，加大對“人工智能+動力電池”的研發支持力度。二是將人工智能在動力電池領域的應用技術納入到《節能與新能源汽車技術路線圖》《促進汽車動力電池產業發展行動方案》等規劃支持範疇，推動人工智能在電池材料篩選、檢測等方面關鍵技術的迅速起步。三是搭建動力電池人工智能測試平臺，嚴格依據電池使用性能標準制定統一的測試規範，及時反饋產品測試結果，引導人工智能在動力電池領域的更深層應用。
建立並完善人工智能在動力電池領域的應用支持體系。一是聯合動力電池科研機構、企業、行業協會，以過去幾十年來的測量和實驗數據為基礎，建立國家級動力電池材料數據庫，填補材料物理化學性質、穩定性、能量密度、導電性等屬性數據的空白，完善數據利用和共享制度，為人工智能計算的準確性提供可靠依據。二是鼓勵動力電池企業及研究機構建立實驗與人工智能計算互為補充的研究模式，重點支持新型電池材料開發、電池智能檢測創新技術研究，加強產品測試驗證等相關數據積累，為人工智能在動力電池領域的應用提供支撐。
深度挖掘人工智能在動力電池領域的商業價值。一是動力電池企業可在現有研究成果的基礎上，加快人工智能技術的佈局，儘快完成篩選的理想固體電極材料的實驗驗證、電池組健康狀況的全面檢測等研究，加速相關研究成果的實際應用。二是拓展人工智能技術應用領域，如具備電池使用數據讀取、智能檢測功能的充電樁，電池性能遠程檢測，售後更換提醒等，構建合適的商業模式，加速人工智能技術應用步伐。
閱讀更多 新能源汽車報 的文章
