Clustering and visualization of Lithium-Ion battery data for second life applications

Abstract

L'ús de bateries de segona vida és una de les estratègies més prometedores per a resoldre el problema del reciclatge de piles en el futur. L'objectiu d'aquesta recerca és aportar solucions pràctiques de garbellat, reagrupació i reutilització donant un nou ús a les piles de liti retirades. Donar una segona oportunitat a aquestes bateries retirades no sols té beneficis ecològics i mediambientals, sinó que també és rendible des del punt de vista econòmic. Per a aquest projecte, s'ha aprofitat el conjunt de dades que va registrar la NASA per a observar el comportament de les bateries elèctriques d'ió-liti al llarg de la seva vida per a realitzar un estudi que permet predir la vida útil d'una bateria. Mitjançant diferents tècniques d'aprenentatge automàtic, principalment SVM, s'ha aconseguit entrenar un model que pugui predir aquesta característica. D'aquesta manera es pretén aportar en un camp on la sostenibilitat i l'economia circular són cada vegada més importants. En el futur, es podrien implementar estratègies basades en l'ús de bateries de segona vida en diferents sectors, des de l'emmagatzematge d'energia fins a la mobilitat elèctrica. Realitzant aquest projecte es pretén continuar pel camí de la recerca a partir de tècniques de ML i IA per a contribuir a una economia més sostenible i responsable.

The use of second life batteries is one of the most promising strategies to solve the problem of battery recycling in the future. The objective of this research is to provide practical solutions of screening, regrouping and reuse by giving a new use to retired lithium batteries. Giving a second chance to these retired batteries not only has ecological and environmental benefits, but is also cost-effective from an economic point of view. For this project, the data set recorded by NASA to observe the behavior of lithium-ion electric batteries over their lifetime has been used to conduct a study to predict the lifetime of a battery. Using different machine learning techniques, mainly SVM, it has been possible to train a model that can predict this characteristic. In this way, it aims to contribute to a field where sustainability and circular economy are becoming increasingly important. In the future, strategies based on the use of second life batteries could be implemented in different sectors, from energy storage to electric mobility. This project aims to continue on the path of research based on ML and AI techniques to contribute to a more sustainable and responsible economy.