ニュース

データドリブンモデルが EV バッテリーの劣化予測の精度を向上【マイクロソフト コーポレーション】

2024年7月18日

  

データドリブンモデルが EV バッテリーの劣化予測の精度を向上

  

※本ブログは、米国時間 2024 年 7 月 16 日に公開された “Data-driven model improves accuracy in predicting EV battery degradation” の抄訳をもとにしています。

近年、増加する二酸化炭素排出量が持続可能な発展に大きな課題をもたらしており、これを受けて、世界中で二酸化炭素削減政策の実施や、長期的なカーボンニュートラルの達成に向けた取り組みが行われています。この転換期における重要なステップとなるのが、電力用バッテリーのリサイクルと再利用です。これらのバッテリーは健全性 (SoH) で評価され、より小型な EV、エネルギー貯蔵システム、スマート街灯などで再利用のため、修理されたり、再構築されたりします。このプロセスは、バッテリーの寿命を延ばすだけでなく、残存価値を最大化しますが、その価値を正確に評価することは複雑です。

この課題を解決するため、マイクロソフトリサーチは日産自動車株式会社 (以下、日産) と共同で、バッテリーの劣化を平均エラー率わずか 0.94% で予測する新しい機械学習手法を開発しました。これにより、日産のバッテリーリサイクルへの取り組みが大幅に強化されました。

  

カーボンニュートラルを目指して一歩ずつ

世界初の量産型電気自動車を発売した日産は、長年にわたって二酸化炭素排出量の削減に取り組んできました。2021 年、日産は自動車のライフサイクル全体で 2050 年までにカーボンニュートラルを達成する目標を発表しました。この取り組みの中心となるのが、EV の主要な動力源であるバッテリーの管理とイノベーションであり、バッテリーのリサイクルはこの取り組みの重要な一部となっています。


日産がバッテリーエコサイクルイノベーションで直面する課題

日産の EV システム研究所のエキスパートリーダーである大間敦史氏は、現在の EV とそのバッテリーのライフサイクルは約 10 年であり、CO2 排出量の約 50% が材料の採掘と製造過程で発生していると指摘しています。日産は、EVとバッテリーのライフサイクルを15年以上に延ばし、長期的に CO2 排出量を削減することを目指しています。この目標を達成するために、同社は AI やビッグデータなどの技術を活用して、バッテリーや EV 開発のイノベーションを推進したいと考えています。


EV ライフサイクルにおける CO2 削減

  

EV のライフサイクルにおける CO2 削減に向けたコラボレーション

2020 年、マイクロソフトは持続可能性への取り組みを発表し、より持続可能な未来に向けた計画を概説しました。それ以来、マイクロソフトリサーチアジアは、関連分野のパートナーとの学際的な研究を通じて、持続可能性の課題に積極的に取り組んでいます。 同チームはすでに、バッテリー研究を推進するためのオープンソースの機械学習ツール BatteryML を開発し、バッテリーの健全性と残存寿命を予測する手法に取り組んでいます。このようなことから、マイクロソフトリサーチアジアと日産が、協力関係を築くのは自然な流れでした。共同チームは共に、バッテリーの性能劣化に焦点をあてることで、カーボンニュートラルの達成とリチウムイオンバッテリーの性能予測の向上を目指しています。

マイクロソフトリサーチアジアとの協力により、私たちはバッテリーリサイクルの効果を高め、資源の再利用を促進するため、バッテリーの劣化予測方法のイノベーションを進めています。これは、長期的にカーボンニュートラルを実現するための重要な一歩です。将来のありたい姿に向けて大きく考え、まずは小さな一歩から始められたらと思います。

— 日産自動車株式会社 EV システム研究所エキスパートリーダー 大間敦史

  

スピードと精度を高めたバッテリー予測の向上

バッテリーの効率的なリサイクルには、バッテリーの健全性 (SoH) を理解することが極めて重要です。使用可能容量だけでは SoH を完全に表現することは難しいですが、より重要なのは、リチウム、コバルト、ニッケルの含有量など、バッテリーの寿命を通じた化学的整合性が含まれています。従来、バッテリーの劣化予測は、化学的、電気化学的、機械的原理に基づく数学的モデルに依存していました。この方法では、パラメータを調整するために継続的な実験が必要で、バッテリーの分解や分析など、半年から 1 年かかる長期間にわたるプロセスを伴います。さらに、化学組成が変わるたびに、追加の実験とパラメータ化が必要になります。これに対応するため、日産は、外部信号に基づいてバッテリーの健全性を予測する機械学習の応用を目指しており、大規模な実機試験の必要性を最小限に抑えることを目標としています。

しかし、機械学習を使ってバッテリーの性能を予測するには、主に 2 つの課題があります。まず、充電と放電のサイクルが長いため、十分なデータを収集することが困難です。次に、バッテリーは様々な条件下で動作するため、信号の取得が複雑になります。さらに、外部環境要因がバッテリーの容量に影響を与える可能性がありますが、これは必ずしもバッテリーの健康状態を直接反映するものではありません。

このような「ノイズ」をフィルタリングし、バッテリー内部の状態を正確に反映するパターンを特定するため、研究者たちは、異なる電圧と電流条件下でリチウムイオンバッテリー内部の化学的性質がどのように変化するかを分析するための特殊な機能を開発しました。これらの主要な特徴を実際の日産データと統合することで、研究者たちは機械学習モデルの予測精度を向上させました。

学術的な公開データセットと実際の企業データには違いがあることがわかりました。学術データセットに基づいて構築されたモデルは、データパターン、テスト条件、予測目標の違いにより、企業の環境に適用することが困難です。産業界で広く適用可能なモデルを開発するには、企業独自のデータと先進的な AI 技術を統合することが必要です。

— Shun Zheng、シニアリサーチャー、マイクロソフトリサーチアジア

  

データドリブンモデルがシミュレーションで精度を 80% 向上

この機械学習手法は、バッテリーの劣化を包括的に理解するために、特徴空間全体を再定義しています。高度な特徴量エンジニアリングは、図3 に示すように、充放電サイクル中の電圧-容量曲線の劣化パターンから導き出された多様な特徴を分析します。研究者は、高電圧と低電圧の間隔における情報の区別に焦点をあて、一次差分や高次差異をバッテリーの健全性を示す効果的な指標として含めることで、予測能力を向上させ、バッテリーの性能と寿命に関する深い洞察を提供しています。


放電容量に対する電圧の変化を示す特徴量エンジニアリング

最新のバッテリー予測手法と比較すると、このデータドリブンモデルでは、日産のシミュレーションデータで約 80%、実際の実験データで 30% 以上精度が向上しています。また、図4 に示すように、最初の 50 サイクルのデータを用いて 200 サイクル目の SoH を予測する際に、平均絶対誤差 (MAE) 0.0094 を達成しました。

これは、新しいデータドリブンモデルが、既存の方法と比較して、バッテリーの SoH を予測する上で、より正確であるだけでなく、より効率的であることを示しています。正確な予測を行うために、より少ないデータとより少ないデータサイクルで済むため、バッテリーの健全性モニタリングと管理に大きなメリットをもたらします。


Qd (V)50 を使用して 200 サイクル目の SOH を予測するテストは、MAE が 0.0094 を達成

データドリブンメソッドを用いることで、研究者たちは 3.9 ボルトにおける特徴が、ニッケルマンガンコバルト酸化物 (NMC) の結晶構造 (M->H2) として解釈できることも発見しました。この発見は電気化学研究と一致しており、このデータドリブンアプローチを通じて特定された特徴が、バッテリー劣化を理解する上で、現実世界で重要な意味を持つことを明確にしました。

この研究は、電力バッテリーの寿命を 2 つの方法で延ばします。まず、再利用の可能性を向上させ、残りの寿命を正確に判定すること、次に、使用済みバッテリーの効果的なリサイクル戦略を開発することです。私たちの共同研究のユニークなアプローチは、セル SoH だけでなく、正極 (NMC) SoH も予測し、セルの SoH 予測モデルの信頼性を向上させることでした。データドリブン正極 (NMC) SoH 予測モデルが示す特定の電圧 (3.9V) への高い感度が、物理ベースの手法による結果と一致していることは驚くべきことでした。マイクロソフトリサーチアジアとの協力により、AI が材料の選定やプロセスの最適化を含むバッテリー製造に応用できることが実証されました。

— ムン・ジョンウォン、エンジニア、日産自動車 EV システム研究所 研究部門

  

今後の展望: AI の持続可能性への応用を探る

日産とマイクロソフトリサーチアジアのコラボレーションは、機械学習やディープラーニングを含む AI 技術の EV 分野における可能性を明らかにしましたリサイクルのためにバッテリーの健全性を予測するだけでなく、AI はバッテリーの寿命を正確に予測し、よりスマートな運転を可能にすることで、運転体験を最適化することができます。さらに、AIは新しい素材の発見や、バッテリーや EV 技術のイノベーションを促進する可能性を秘めています。

現在、リチウムバッテリーにはいくつかの課題があります。私たちには、高いエネルギー密度、優れた安全性、長いライフサイクル、そして環境への負荷が少ないバッテリーが必要です。日産とのコラボレーションを通じて、私たちは AI が EV において大きな可能性を秘めていることを学びました。これには、性能を向上させるためのバッテリー材料の組み合わせの最適化、新材料の発見、バッテリー電極プロセスの最適化などが含まれます。将来的には、より多くの産業パートナーと協力し、さまざまな産業用途における AI の可能性をさらに追求していきたいと考えています。

— Jiang Bian、シニアプリンシパルリサーチャー、マイクロソフトリサーチアジア

日産自動車とマイクロソフトリサーチアジアは、これまでの研究連携の結果に基づき、技術の進歩と持続可能な開発および環境保護の目標達成に向けて、パートナーシップを拡大する計画です。


2024 年 6 月に日産自動車 大間敦史氏がマイクロソフトリサーチアジアを訪問

本ページのすべての内容は、作成日時点でのものであり、予告なく変更される場合があります。正式な社内承認や各社との契約締結が必要な場合は、それまでは確定されるものではありません。また、様々な事由・背景により、一部または全部が変更、キャンセル、実現困難となる場合があります。予めご了承下さい。

  

  

  

マイクロソフト コーポレーション ホームページはこちら

キーワードをクリックして関連ニュースを検索

#マイクロソフト コーポレーション
#AI(人工知能)
#電池
#2024年7月18日