iMOE: חיזוי מסלול ההתדרדרות של סוללות בחיים שניים בעזרת תערובת מומחים ניתנת לפירוש

מדוע חיים שניים לסוללות רכב חשובים

כאשר מיליוני רכבים חשמליים מגיעים לסוף חייהם הראשוני, הסוללות שלהם עדיין מחזיקות כמות מפתיעה של אנרגיה שימושית. מתן "חיים שניים" לסוללות אלה במערכות גיבוי או ברשתות מיקרו כפריות יכול להפחית עלויות ובזבוז ברחבי העולם. אבל יש חסרון: אף אחד לא יודע בדיוק באיזה שיעור סוללה משומשת תמשיך להתקלקל, וניחוש שגוי עלול להוביל לכשלים, שריפות או השקעות מבוזבזות. המחקר מציג שיטה חדשה לחזות את קצב ההזדקנות של סוללה משומשת באמצעות בדיקה מהירה ולא חודרנית בלבד, מה שעשוי לשנות את האופן שבו אנו ממחזרים סוללות בקנה מידה גדול.

ממהרכב אל הרשת: בעיית חיזוי

כיום, הערכת סוללת רכב יוצאת משימוש איטית, יקרה ולעתים מפעילה בדיקות הרסניות. שיטות מסורתיות מפרקות תאים למבחנים במעבדה או מריצות אותם דרך מחזורי טעינה‑פריקה מלאים שלעיתים לוקחים ימים לכל חבילה. טכניקות חישה מתקדמות רבות עדיין מוגבלות למעבדות מחקר. בנוסף, שימושים בחיים שניים כגון אחסון ביתי או מערכות אוף‑גריד עלולים לחשוף את הסוללות לדפוסי טעינה, פריקה וטמפרטורה שונים מאלה שנחשפו להם ברכב. מאחר שהשחיקה של הסוללה תלויה מאוד בעבר ובשימוש העתידי שלה, רוב המודלים הנתונים בנקודות נופלים כשאין להם שנים של נתונים היסטוריים או כשהתנאים התפעוליים החדשים משתנים. האתגר הוא לבחון סוללה פעם אחת, במצב טעינה אקראי שבו היא נמצאת, ועדיין לחזות את בריאותה העתידית בתנאים חדשים.

בדיקת בריאות מהירה במקום היסטוריה רפואית מלאה

המחברים מציעים גישה הקרויה תערובת מומחים ניתנת לפירוש, או iMOE, שמטרתה לעשות בדיוק זאת. במקום לדרוש רישומים ארוכים, השיטה משתמשת באותות שקל לאסוף בשטח במהלך טעינה מבוקרת יחידה. הטכנאים טוענים חלקית את הסוללה מהמצב שבו היא הגיעו ואז נותנים לה לנוח. מתוך האופן שבו המתח משתנה במהלך הטעינה הקצרה והרגיעה שאחריה, המודל מייצא מספר תכונות בעלות מניע פיזיקלי המשקפות התנגדות פנימית, קיטוב וכמה ליתיום שימושי נשאר. הרמזים המדודים האלה, יחד עם תיאור דפוס השימוש העתידי המתוכנן — כגון קצבי טעינה ופריקה וטמפרטורה — מהווים את הקלט למערכת החיזוי.

הרבה מומחים, תחזית משולבת אחת

בתוך iMOE, הקלטים הללו עוברים עיבוד על‑ידי קבוצה של "מומחים" וירטואליים, כל אחד מכויל לדפוס טיפוסי של שחיקת סוללה. חלקם דומים להתנהגות בתחילת החיים הנשלטת על ידי צמיחת שכבת הגנה על האלקטרודות, אחרים לוכדים העבה יותר של השכבה באמצע החיים, ועד מומחים שמייצגים תהליכים בשלב מאוחר כגון הצטברות ליתיום על פני השטח ואובדן חומר פעיל. מודול ניתוב בוחן את התכונות הפיזיקליות ומחליט עד כמה למשקל כל מומחה עבור הסוללה הנבדקת, ובכך מסווג בפועל את מצבי ההתדרדרות הדומיננטיים בלי לדעת את ההיסטוריה. המשקל המשוקלל של פלטי המומחים יוצר מגמת קצר‑טווח של איך הקיבולת צפויה להשתנות בהמשך.

מבט קדימה דרך עשרות מחזורים של טעינה‑פריקה

המגמה הקצרה לבדה אינה מספיקה; גם האופן שבו יתנהגו על הסוללה בחייה השניים משפיע. כדי לטפל בכך, מודול שני — רשת נוירונים חוזרת — מקבל את המגמה יחד עם פרופיל העומס העתידי המתוכנן — עבור כל מחזור קצב טעינה, קצב פריקה וטמפרטורה — ומגלגל את החיזוי קדימה על פני עשרות עד מאות מחזורים עתידיים. נבדק על שלושה מערכי נתונים גדולים הכוללים 295 תאים מסחריים, 93 תנאי תפעול ויותר מ‑84,000 מחזורים, iMOE חזה בעקביות מסלולי קיבולת עתידיים שלמים עם שגיאות בדרך‑כלל מתחת ל‑1–3 אחוזים, אפילו כאשר התנאים העתידיים היו רנדומליים או כאשר הסוללות היו מזדקנות עמוק תחת שימוש עבר לא ידוע. השיטה גם רצה מהר יותר וביעילות גבוהה יותר מאשר מודלים מובילים לחיזוי סדרות זמן תוך שימוש בפחות נתוני אימון.

להביט לתוך תיבת השחורה

בניגוד למערכות למידת מכונה רבות, iMOE נועדה להיות קריאה למדעני ומהנדסי סוללות. בבחינת האופן שבו המנתב מקצה משקלים למומחים שונים לאורך חיי התא, המחברים מראים שהמודל מפריד בצורה טבעית בין שלבי התדרדרות מוקדמים, אמצעיים ומאוחרים, בהתאמה לתהליכים פיזיקליים מוכרים. סוללות שיצאו לשירות שני במצב בריאותי גבוה נוטות להיות מופנות למומחים מסוימים, בעוד שסוללות שחוקות מאוד מפעילות מומחים אחרים. כאשר החוקרים הפריעו בכוונה לתכונות פיזיקליות מסוימות או אילצו את המנתב להשתמש במומחים הלא נכונים, שיעורי הטעות בחיזוי עלו, מה שמדגיש שהמערכת לא רק מתאימה עקומות אלא קשורה להתנהגות פנימית משמעותית.

מה משמעות הדבר עבור מערכות אנרגיה עתידיות

במילים פשוטות, עבודה זו מציגה דרך לקבוע, בתוך מילישניות וללא בדיקה ארוכה, כיצד סוללה משומשת צפויה להזדקן בתפקידה השני. יכולת זו יכולה לאפשר לממיחזרים, מפעילי רשת ומפתחי פרויקטים למיין נפחי גדולים של תאים יוצאי‑שימוש לתפקידים בטוחים ומתאימים — כגון אחסון קבוע ארוך‑טווח מול שימושים קצרים — או לשלוח חבילות בסיכון גבוה ישירות למחזור. למרות שהשיטה עדיין מבוססת על קשרים סטטיסטיים ולא על סיבתיות פיזיקלית מלאה ומניחה שתוכניות שימוש עתידיות גסות ידועות, היא מהווה צעד לעבר שימוש חוזר חכם, בטוח וכלכלי יותר בסוללות, ועוזרת להאריך את ערכן של החומרים שכבר נחצבו ויוצרו.

ציטוט: Huang, X., Tao, S., Liang, C. et al. iMOE: prediction of second-life battery degradation trajectory using interpretable mixture of experts. Nat Commun 17, 2549 (2026). https://doi.org/10.1038/s41467-026-69369-1

מילות מפתח: סוללות בחיים שניים, חיזוי התדרדרות סוללה, למידת מכונה לאחסון אנרגיה, תערובת מומחים, בריאות סוללת ליתיום‑יון