MI-SOH: מודל תלות תכונות רב-מדדי לאומדן מצב-הבריאות של סוללות ליתיום-יון

למה חשיבותה של בריאות סוללה חכמה יותר

מכוניות חשמליות ומערכות אחסון אנרגיה ביתיות נשענות יותר ויותר על סוללות ליתיום-יון. עם זאת, כמו כל סוללה, גם הן נשחקות בהדרגה. ידיעת ה"בריאות" האמיתית של סוללה, זמן רב לפני כישלונה, קריטית לבטיחות, לעלות ולנוחות. מאמר זה מציג שיטה חדשה לאומדן בריאות סוללה שבוחנת הרבה אותות בו־זמנית ולומדת כיצד יחסי הגומלין ביניהם משתנים עם ההזדקנות של הסוללה, והבטחה של ניטור מדויק ועמיד יותר לשימוש מעשי.

לראות את בריאות הסוללה כיותר ממספר אחד

בריאות הסוללה, שלעיתים נקראת מצב-הבריאות, מתארת כמה אנרגיה שימושית הסוללה עדיין יכולה לאחסן בהשוואה למצבה כשהייתה חדשה. שיטות מסורתיות להערכה זו מסתמכות על מדידות מעבדה, כגון התנגדות פנימית או בדיקות אלקטרוכימיות מפורטות, שהן מדויקות אך יקרות וקשות לבצע באופן רציף ברכב. שיטות חדשות מונחות-נתונים עוקבות אחר מדדים פשוטים כמו מתח, זרם וטמפרטורה במהלך טעינה יומיומית ומשתמשות בלמידת מכונה לאומדן הבריאות. עם זאת, רוב הגישות האלה או מתמקדות במדד יחיד, או מתייחסות למספר מדדים כאילו חשיבותם לא משתנה, למרות שהתנהגות הסוללה משתנה בבירור לאורך חייה.

להקשיב להרבה אותות סוללה בו-זמנית

המחברים מראים שאותות מפתח של הסוללה אינם שומרים על יחסים קבועים זה עם זה ככל שהסוללה מזדקנת. לדוגמה, הקשר החזק בין תכונת זמן הטעינה לשיא בעקומת דיאגנוסטיקה יכול להיחלש באופן חד בשלבים מאוחרים יותר של החיים, בעוד שזוגות הקשורים למתח עלולים להפוך ממקור קטן של קורלציה שלילית לקורלציה חיובית חזקה. כדי להתמודד עם נוף משתנה זה, הם מציעים את MI-SOH, מסגרת שמשלבת שמונה מדדי בריאות שונים המוצאים מנתוני הטעינה, כולל משך שלבי הזרם הקבוע והמתח הקבוע, כמה מהר המתח והזרם משתנים, כמה מתחמם התא, ותכונות של פסגת קיבולת-תוספת שמשקפת כימיה פנימית. שלב משקלות מיוחד ממזג שני סוגי ניתוח קורלציה כך שהמודל יכול להדגיש את המדדים המידעיים ביותר ולהמעיט בערכם של אלו שהופכים לפחות מהימנים ככל שהסוללה עוברת שלבי הזדקנות שונים.

ללמד את המודל לעקוב אחרי זמן ואינטראקציות

לאחר שקיבלו את המשקולות, MI-SOH מזין אותן לרשת קונבולוציה טמפורלית שמצטיינת בזיהוי דפוסים לאורך זמן, ממחזורי טעינה בודדים ועד למגמות דעיכה ארוכות טווח. בשונה מרשתות חוזרות מסורתיות, עיצוב זה ניתן לחישוב ביעילות ומניע מלכודות אימון מקובלות. הפלט מועבר לאחר מכן למודול טרנספורמר הפוך, שמשנה את הפרספקטיבה הרגילה: במקום להתמקד בכל רגע בזמן, הוא מטפל בכל מדד כ"ערוץ" נפרד ולומד כיצד ערוצים אלה משפיעים זה על זה לאורך כל ההיסטוריה. זה מאפשר למודל ללכוד כיצד מתח, זרם, טמפרטורה ותכונות קיבולת-תוספת משקפים יחד את הבלאי הפנימי של הסוללה.

מציאת ההגדרות הטובות ביותר באופן אוטומטי

למודלים עמוקים מודרניים יש הרבה פרמטרים פנימיים — כמו כמה שכבות להשתמש וכמה רחבות הן צריכות להיות — שמשפיעים במידה רבה על הביצועים. כוונון ידני שלהם, או סריקה שיטתית, מעמיס וראוי לעתים לא מעשי. לכן המחברים מוסיפים שכבת אופטימיזציה בהשראת התנהגות קבוצות של זברה, שמחפשת שילובים טובים של פרמטרים על ידי חילוף בין "חיפוש מזון" (שכלול מועמדים מבטיחים) ו"הגנה" (חקר אזורים חדשים). מכוונן אוטומטי זה מגדיר את הבלוקים הטמפורליים והטרנספורמריים, וכן פרמטרים של האימון כמו קצב למידה וגודל אצווה, כך ש-MI-SOH מתאים לסוגים שונים של סוללות ותנאי שימוש בלי צורך בניסוי וטעייה מייגע.

מה המבחנים אומרים על סוללות אמיתיות

הצוות העריך את MI-SOH על שני מאגרי נתונים ציבוריים נפוצים: תאי גליל של NASA ותאי פריזמה של CALCE, השונים בכימיה, בגודל ובתוחלת החיים. בשני המקרים, השיטה שלהם עקבה אחרי בריאות הסוללה בדיוק רב יותר מאשר מספר בסיסים חזקים, כולל מודלים טמפורליים עצמאיים, מודלי טרנספורמר עצמאיים ושילוב פשוט של השניים בלי משקלות אדפטיביות או כוונון אוטומטי. בממוצע, MI-SOH הפחית את שגיאות החיזוי בערך בין שליש לשלושה רבעים בהשוואה לאלטרנטיבות אלה, תוך שמירה על התאמה גבוהה מאוד לקיבולת הנמדדת האמיתית לאורך מאות מחזורים. ניסויי איבוד רכיבים — שבהם מרוקנים רכיבים פרטניים — אישרו שכל בלוק בנייה (משקלול אדפטיבי, דוגמנות טמפורלית, תשומת לב חוצה-מדדים ואופטימיזציה אוטומטית) תורם משמעותית לדיוק הסופי.

מסקנות ברורות לטכנולוגיה יומיומית

לקורא כללי, המסר המרכזי הוא שבריאות סוללה מובנת טוב יותר לא מתוך מספר יחיד או כלל קבוע, אלא מתוך דפוס משתנה של אותות רבים שמשתנים עם הזקנת התא. MI-SOH לוכד את המורכבות הזאת על ידי לימוד אילו אותות חשובים בכל שלב חיים, איך הם מתפתחים לאורך זמן, ואיך הם משפיעים זה על זה. התוצאה היא כלי מעשי מונחה-נתונים שניתן לשלב במערכות ניהול סוללות לרכבים חשמליים ומערכות אחסון אנרגיה. על ידי אספקת אומדנים מדויקים ואמינים יותר, הוא יכול לסייע למניעת כשלים לא צפויים, להאריך את חיי הסוללה ולהפחית את עלות וסיכון תחבורה ומערכות אנרגיה מתחדשת.

ציטוט: Zhuo, S., Zou, F., Liao, L. et al. MI-SOH: a multi-indicator feature dependency model for lithium-ion battery state-of-health Estimation. Sci Rep 16, 12309 (2026). https://doi.org/10.1038/s41598-026-39986-3

מילות מפתח: בריאות סוללת ליתיום-יון, אומדן מצב-הבריאות, דיאגנוסטיקה של סוללות, מודלים של סוללות מונחי-נתונים, סוללות לרכבים חשמליים