清華新聞網(wǎng)12月15日電 在退役電池回收行業(yè)中，正極材料的回收價(jià)值極高。傳統(tǒng)的處理方式（例如火法、濕法）通常不對(duì)正極材料進(jìn)行分類(lèi)，而以混合形式回收，資源利用效率低且利潤(rùn)有限。相較之下，直接回收（修復(fù)）方法可以顯著提升經(jīng)濟(jì)價(jià)值，具有工藝流程短、二次能源消耗和污染低、經(jīng)濟(jì)效益高的優(yōu)點(diǎn)，但需要事先獲取電池的正極材料信息。這些信息涉及制造商、用戶、科研機(jī)構(gòu)等敏感數(shù)據(jù)，難以獲取和集中利用。此外，電池制造標(biāo)準(zhǔn)多樣性、歷史運(yùn)行條件差異和多方（回收合作者）協(xié)作時(shí)的數(shù)據(jù)隱私問(wèn)題加劇了退役電池分類(lèi)的難度，制約了回收效率的提升和回收產(chǎn)業(yè)的規(guī)模化發(fā)展。
近日，清華大學(xué)深圳國(guó)際研究生院張璇、周光敏團(tuán)隊(duì)建立了基于聯(lián)邦學(xué)習(xí)的退役電池快速分類(lèi)模型，無(wú)需歷史運(yùn)行數(shù)據(jù)，僅用少量現(xiàn)場(chǎng)測(cè)試信息即可實(shí)現(xiàn)退役電池正極材料的精確分類(lèi)。
團(tuán)隊(duì)收集了來(lái)自7個(gè)制造商、包含5種正極材料、具有不同歷史使用情況（如來(lái)自實(shí)驗(yàn)室測(cè)試、電動(dòng)汽車(chē)運(yùn)行等）的130個(gè)退役電池的數(shù)據(jù)（圖1），僅利用回收現(xiàn)場(chǎng)測(cè)試的一次循環(huán)充放電數(shù)據(jù)，通過(guò)數(shù)據(jù)清洗和噪聲處理（保留了人為和正極質(zhì)異性引起的噪聲），形成了適用于特征工程的標(biāo)準(zhǔn)化參數(shù)曲線。特征工程重點(diǎn)關(guān)注退役電池在最后一個(gè)周期的充放電信息，從電壓-容量和dQ/dV曲線中提取了30個(gè)特征，用于指導(dǎo)電池分類(lèi)。
圖1.特征工程結(jié)果
研究人員采用聯(lián)邦學(xué)習(xí)框架進(jìn)行退役電池正極材料分類(lèi)（圖2）：首先使用各參與方（回收合作者）的本地?cái)?shù)據(jù)、以并行方式訓(xùn)練本地隨機(jī)森林模型，再通過(guò)Wasserstein-Distance投票（WDV）策略將參與方本地模型聚合成全局模型。聯(lián)邦學(xué)習(xí)有效利用了來(lái)自多方的本地大規(guī)模電池?cái)?shù)據(jù)，且數(shù)據(jù)無(wú)需在參與方之間共享，充分保護(hù)了多方協(xié)作時(shí)的數(shù)據(jù)隱私。
圖2. 基于聯(lián)邦學(xué)習(xí)的電池回收分類(lèi)框架
同時(shí)，團(tuán)隊(duì)考慮了同質(zhì)性（圖3）和質(zhì)異性（圖4）退役場(chǎng)景，在兩種場(chǎng)景下均實(shí)現(xiàn)了高精度分類(lèi)。其中，采用WDV策略的聯(lián)邦學(xué)習(xí)方法相較于其它方法分類(lèi)精度高、隱私預(yù)算（PB）高，在實(shí)現(xiàn)高精度分類(lèi)的同時(shí)，極大降低了數(shù)據(jù)泄露風(fēng)險(xiǎn)。
圖3.同質(zhì)性退役電池分類(lèi)結(jié)果
圖4. 質(zhì)異性退役電池分類(lèi)結(jié)果
團(tuán)隊(duì)還基于不同LFP/NMC比例的電池?cái)?shù)據(jù)，對(duì)三種機(jī)器學(xué)習(xí)分類(lèi)方法（采用多數(shù)投票MV、Wasserstein-Distance投票WDV的聯(lián)邦學(xué)習(xí)方法和非聯(lián)邦學(xué)習(xí)方法）和三種電池回收方法（火法、濕法和直接回收方法）進(jìn)行了經(jīng)濟(jì)性評(píng)估（圖5）。研究發(fā)現(xiàn)，基于聯(lián)邦學(xué)習(xí)的電池分類(lèi)能高效協(xié)同回收合作者，保障大規(guī)模分布式的電池?cái)?shù)據(jù)隱私，并實(shí)現(xiàn)退役電池的盈利性直接回收。
圖5.退役電池回收的經(jīng)濟(jì)性評(píng)估
相關(guān)研究成果以“通過(guò)聯(lián)邦機(jī)器學(xué)習(xí)實(shí)現(xiàn)隱私保護(hù)的退役電池協(xié)同分類(lèi)和盈利性直接回收”（Collaborative and privacy-preserving retired battery sorting for profitable direct recycling via federated machine learning）為題發(fā)表在《自然·通訊》（Nature Communications）上。
清華大學(xué)深圳國(guó)際研究生院2022級(jí)博士研究生陶晟宇為論文第一作者，2022級(jí)博士研究生劉海舟和2023級(jí)博士研究生孫崇博為論文共同第一作者，2023級(jí)博士研究生季昊鋮為論文第二作者。清華大學(xué)深圳國(guó)際研究生院副教授張璇、周光敏和清華大學(xué)、太原理工大學(xué)教授孫宏斌為共同通訊作者。合作者包括復(fù)旦大學(xué)信息科學(xué)與工程學(xué)院智慧能源控制與仿真實(shí)驗(yàn)室教授孫耀杰、副研究員王瑜，2022級(jí)博士研究生付詩(shī)意和騰訊人工智能實(shí)驗(yàn)室專家研究員榮鈺等。該研究得到了深圳市科技創(chuàng)新委員會(huì)、山西省能源互聯(lián)網(wǎng)研究院、清華大學(xué)深圳國(guó)際研究生院、深圳市鵬瑞基金會(huì)等科研經(jīng)費(fèi)支持。
論文鏈接：
https://doi.org/10.1038/s41467-023-43883-y
供稿：深圳國(guó)際研究生院
編輯：李華山
審核：周襄楠
