GS 汤浅和NTT 集团（NTT Com）宣布，将开始进行示范实验，以利用AI技术监测锂离子电池的状况，因此提高锂离子电池的状态分析和诊断工作的效率。在迄今为止引入的电池状态监测中，有经验的操作员使用先前假定的关系表达式和阈值（阈值），使用定期检查和自动测量收集的电压和电流等参数进行分析和诊断，但是未来随着电池行业的进一步发展中，处理的数据量也将增加，这将成为亟待解决的问题。为了解决这些问题，两家公司已经验证了电池类型的分类，以实现自2016年以来使用AI的电池状态监测。根据2016年的验证，NTT集团创建了一个AI模型，该模型使用通过电池电压和电流的时间序列获得的传感器数据深度学习来对电池类型进行分类，并在学习后的AI模型中进行额外学习。在此基础上，GS汤浅对学习数据的数量增加时分类准确度如何变化进行了评估。结果，由于能够区分电池特性的微小差异，并且确认可以以极高的精度对电池类型进行分类，因此两公司决定进行这次新监测条件的演示实验。在演示实验中，构建了一个监控电池状态的系统，让AI通过深度学习学习构成运行中蓄电池系统的固定式锂离子电池的电压和电流等数据。通过网络收集蓄电池系统的测量数据，AI取代有经验的操作员分析数据组。

通过监控应用本次开发的AI技术的条件，可以更高效地检测，预测和控制电池状态，并提高安全性和可靠性。此外，由于可以通过网络进行监控，因此有望为智能蓄电池系统做出贡献。我们通过AIpatent专利翻译引擎检索发现了可能是涉及上方技术的公开专利文件，下面提供部分相关专利技术链接，各位如果有兴趣，可以尝试我们公司研发的AIpatent机器翻译（t.aipatent.com）来看看具体什么样的神奇方式实现了上面的效果。或是联络support@aipatent.com，请我们专业人士来帮忙。相关专利链接（PDF版本）：电源装置特開2018-088740.htm 铅蓄电池特開2018-073789.htm 车辆的电源装置特開2018-60641 铅蓄电池以及制造方法特開2018-060615.htm 电池特開2017-224542.htm

AI助力锂离子电池，可监视状态，减少操作员负担