[3J1-OS-15a] AI for Scienceのリアル

10:00 〜 10:15

[3J1-OS-15a-05] Informerを用いた次世代リチウムイオン電池のバッテリー容量減衰予測

〇中島 幹太¹、泰岡 顕治¹、杉浦 孔明¹、吉崎 志乃²、宮川 絢太郎² (1. 慶應義塾大学大学院 理工学研究科、2. ソフトバンク株式会社 先端技術研究所)

キーワード：

リチウムイオン電池

次世代蓄電池として期待されるリチウム金属電池は、優れた重量エネルギー密度を有する反面、サイクル寿命の短さやデンドライト形成に起因する内部短絡（突然死）が実用化を阻む課題となっている。この課題解決に向けた充放電実験は必須であるが、突然死は発生時期の予測が困難な現象であり、実験中の発火リスクを伴う。従来の物理モデルではこの突発的な劣化挙動の記述は困難であり、安全な研究開発を推進するため、データ駆動型アプローチによる早期異常検知技術が求められている。
そこで本研究では、深層学習を用いて充放電実験から得られた時系列電圧データを学習させ、先の電圧値を予測する手法を提案する。モデルとして長期時系列予測に長けたTransformerベースのモデル「Informer」を導入し、12ステップ（約90分）後の値を予測した。結果、安定推移期間においては高い予測精度を達成した。対して、突然死に至る過程では予測誤差が増大し、特に突然死の急激な電圧降下に対して追従性が著しく低下することを示した。 Informerによる定常時の監視有効性が示された一方、非定常な劣化挙動の予測には課題が残る。