电池AI 2.0采用人工智能和半物理方法，旨在为电池资产提供在线健康监测和剩余寿命预测。该工具已经在DNV的Veracity平台上使用，为行业利益相关者消除了不切实际、耗时和破坏性的测试。
随着电池作为能源转型的一部分被广泛应用于固定、移动和海上应用，电池性能一直是一个大问题。这种性能受到许多操作因素的影响，这使得监测准确的电池健康状态(反映可用容量的关键参数)成为电池资产管理的一个挑战。
服务系统的故障可能会产生负面或危险的后果。电池的健康状态通常由离线且耗时的测试确定，但这不是最佳解决方案，因为测试不能总是复制真实的操作条件和电池的可变性。
在线电池运行状况监测解决方案
电池AI 2.0是Battery AI 1.0的重大升级和扩展，重点开发了电池退化分析工具。
通过利用人工智能从超过100万频道小时的实验室测试数据中学习，电池AI 2.0是一种有效的工具，可以确定操作条件与电池退化之间的关系，并为电池健康状态估计提供定制模型。
人工智能建模和循环计数方法的结合也提供了一种实用的解决方案，可以有效、准确地获取预期操作条件下的实际电池健康状态。
通过使用来自物理操作系统的实时数据流，该解决方案还可用于提供在线健康监测和剩余使用寿命预测。这允许相关利益相关者了解电池资产的确切性能，从而以明智的方式优化其资产管理。
电池测试服务越来越需要深入分析，以从原始数据中获得见解。LDsports幸运28基于有限的测试数据和项目预期电池寿命和生产率，电池AI能够更准确地模拟不同应用场景的实际操作条件，从而大大提高财务规划的安全性。
电池AI 2.0提供了一种实时、高效的方法来评估电池健康状态，并消除了昂贵、耗时和破坏性的测试程序。通过第三方评估，客户可以客观地 独立地了解资产的健康状况和性能，从而提高安全性，并确保满足保修条件。此外，在运行条件下的监测可以确定电池系统的适用性以及未来项目所需的更改。
作为一种成熟的储能能源，电池已广泛应用于储能解决方案、电动汽车和船舶中，是电力解决方案的重要组成部分。同时，电池资产健康管理已成为电池全生命周期中设计、运行和回收阶段最重要的问题。电池供应商、投资者和运营商都在不断努力提高能源利用效率，延长电池寿命，以获得最佳的投资回报。基于其电池AI工具，DNV可以为相关利益相关者提供咨询和保证服务。
