美国哥伦比亚大学的两位教授Matthias Preindl和Alan West正在开发一种机器学习模型，可以更准确地估算锂电池的充电水平。目前普遍的电池充电状态的估计误差率为5%，而该团队的模型目标是误差率为1%。他们的研究还获得了哥伦比亚数据科学研究所(Data Science Institute)的种子基金资助。
关于该电池机器学习模型，电气工程教授Mathias Preindl 作了一个形象的比喻。“我们正在做的事情就是国际象棋机器人所做的事情，”Mathias Preindl说。“国际象棋机器人通过算法来研究所有游戏中的所有动作，并且可以通过计算数据然后选择最佳动作。这就是我们试图用我们的模型实现的。”
虽然Preindl是电池外部机构的专家，但化学工程师Allen West了解电池的内部化学成分。他们希望利用他们的综合工程知识以及先进的数据科学技术，设计出一种可以预测如何让锂电池获得最佳性能一种模型。
正如我们知道的，电池管理系统经过调节，可以捕获电池的健康状况并预测其剩余使用寿命，通过这两个途径可以让车主了解停止汽车为电池充电以及何时安排更换电池的具体时间。此外，高估计精度模型可以让电池管理系统识别更准确以及保护弱电池，从而延长电池组的寿命。
为了设计其机器学习模型，该团队将干扰信号(由电力电子转换器产生的一系列电流信号)应用于锂离子电池单元。序列信号可以使电池单元发出可以测试到的电响应。该团队将在其实验室中测试电池，并使用电力电子转换器从电动车辆中安装的电池获取数据。根据每分钟生成的数据测量电池功能，如温度、电压和电流波动，从而产生数十万个数据点。此外，该团队还在设计一种算法来评估产生的数据并设计优化模型。
图为机器学习模型
“就目前而言，我们还没有量化的方法来解析锂电池的性能，”Preindl说道，“但一旦我们有了量化的方法，我们就会知道什么时候需要给电池充电，它们能持续多长时间，何时需要更换电池以及如何延长电池寿命，”他补充道。“由于电动汽车和锂电池是未来发展方向，我们的项目有望改善我们运输系统的关键部分，同时改善我们的环境。”
