新計算方法可於數日內預測電池壽命,提升儲能技術發展效率

[原文章]

可再生能源的快速增長使大型電池儲存成為現代電力系統中不可或缺的部分。這些電池通過儲存來自太陽能電池板和風力發電場的多餘能源,並在生產下降時提供電力,從而幫助穩定電力網絡。然而,傳統上,確定這些電池的使用壽命通常需要數月的測試,這減緩了創新速度並增加了開發成本。美國橡樹嶺國家實驗室(ORNL)的研究人員最近引入了一種強大的計算方法,可以在短短幾天內估算電池的劣化情況。

通過用先進的模擬取代冗長的實驗室測試,這種新方法可能加速更耐用和高效的能源儲存技術的開發。

每個可充電電池在經歷反覆的充電和放電循環時,容量都會逐漸減少。對於網絡級儲存系統而言,準確預測這一衰退至關重要,因為這會影響系統性能、維護規劃和長期投資決策。迄今為止,研究人員往往需要進行數百甚至數千次的充電循環,才能可靠地評估電池的壽命。這一過程耗費了大量的時間、資源和實驗室容量。

新計算方法將加速電池技術的發展

新開發的框架利用先進的計算機模型來模擬電池在不同運行條件下的表現。研究人員無需等待數月的實驗結果,即可在幾天內分析長期劣化情況。該系統將詳細的電池科學與高性能計算相結合,使科學家能夠研究影響電池健康的複雜化學和物理過程。這使得評估新電池材料和電池設計的速度加快,而無需僅依賴於長時間的物理測試。

更快的電池老化預測能力具有多重實際優勢,因為它可以加速下一代電池技術的研究和開發。此外,這還降低了電池測試所需的成本和時間,幫助製造商在商業生產前改進電池設計。它還支持公用事業公司更準確地規劃維護和更換時間表,並有助於建立更可靠和具成本效益的能源儲存系統。這些改進可能縮短從實驗室研究到實際部署的過程,幫助新電池技術更快進入市場。

ORNL 的這一方法依賴於高性能計算,對 500 至 1,000 次運行循環後的電池劣化進行詳細分析,在幾天內提供結果,而不是幾周。ORNL 計算研究科學家 Srikanth Allu 表示,這一靈活且可重用的框架可以同時模擬超過 10,000 個電池單元,並能兼容多種化學組成的鋰離子電池,這是目前網絡級儲存中最廣泛使用的技術。隨著電力網絡越來越依賴可再生能源,可靠的電池儲存將在維持穩定電力供應方面發揮更大的作用。

更快且更準確的電池壽命評估方法可以幫助公用事業公司做出明智的投資決策,同時提高能源儲存系統的整體效率。通過使研究人員能在通常時間的一小部分內預測長期電池性能,這一新的計算方法有潛力加速能源行業的創新。這標誌著邁向建設更耐用電池的重要一步,這些電池能更好地支持向更清潔、更具韌性的電力網格的過渡。

項目規格
電池劣化分析次數500 至 1,000 次
模擬電池單元數量超過 10,000 個

Henderson
Henderson

Henderson 是 The Base Principle 的編輯,專注報道 AI 模型與工程科技前沿。

The Base Principle 是一個繁體中文(香港)科技媒體,專注報道人工智能與工程前沿。我們持續追蹤 OpenAI、Anthropic Claude、Google Gemini、Grok(xAI)、Meta AI、DeepSeek 等主要 AI 模型與公司,並涵蓋電動車與工程技術趨勢,每日精選與分析。

友情網站:手機・開箱・評測 → TechRitualTechNippon 日本語版