机器学习辅助的锂离子电池可持续再制造、再利用和回收

Shengyu Tao

机器学习辅助的锂离子电池可持续再制造、再利用和回收

机器学习 2025-09-29 v2 人工智能计算工程、金融与科学数据分析、统计与概率

作者: Shengyu Tao

摘要

锂离子电池(LIBs)的可持续利用对于全球能源转型和碳中和至关重要，然而数据稀缺性和异质性仍然是再制造、再利用和回收过程中的主要障碍。本论文开发了一个机器学习辅助框架，以应对电池全生命周期中的这些挑战。一个物理信息质量控制模型从有限的早期循环数据中预测长期退化，而一种基于生成学习的剩余价值评估方法能够在随机条件下快速准确地评估退役电池。一种联邦学习策略实现了隐私保护和高精度的正极材料分选，支持高效回收。此外，一个基于相关性对齐的统一诊断和预测框架增强了在不同测试协议下跨任务（如健康状态估计、荷电状态估计和剩余使用寿命预测）的适应性。总的来说，这些贡献通过整合物理知识、数据生成、隐私保护协作和自适应学习，推进了可持续电池管理，为促进循环经济和全球碳中和提供了方法论创新。

关键词

锂离子电池机器学习再制造再利用回收联邦学习健康状态估计

引用

@article{arxiv.2406.00276,
  title  = {Machine Learning-Assisted Sustainable Remanufacturing, Reusing and Recycling for Lithium-ion Batteries},
  author = {Shengyu Tao},
  journal= {arXiv preprint arXiv:2406.00276},
  year   = {2025}
}

备注

This is a PhD thesis from Dr. Shengyu Tao at Tinsghua University and University of California at Berkeley

机器学习辅助的锂离子电池可持续再制造、再利用和回收

摘要

关键词

引用

备注

相关论文