北理工團隊在鋰離子電池健康評價方面取得重要進展
發布日期：2023-05-24 供稿：機車學院 攝影：機車學院
編輯：宋斯語 審核：席軍強 閱讀次數：
近日，北京理工大學電動車輛國家工程研究中心孫逢春院士、熊瑞教授團隊在《自然通訊》雜志上發表論文“Deep learning to estimate lithium-ion battery state of health without additional degradation experiments”，提出了不依賴額外電池老化測試的健康狀態快速評估方法。該方法直接利用已有電池數據實施新電池健康狀態評估，打破了電池健康狀態評估對完備測試數據的依賴性。
鋰離子電池被廣泛用作新能源汽車、電化學儲能等領域的核心供能部件，但其老化引發的性能衰退問題卻始終危及長期應用安全。健康狀態是能夠有效評價電池性能衰退程度的重要量化指標，遺憾的是，該指標往往難以通過傳感器直接測量而依賴于在線估計。長期以來，額外開展目標電池全壽命周期老化實驗始終是新電池健康狀態估計算法開發的必要條件，因為算法需要新電池的老化數據來學習新的老化特征知識，所以始終阻礙著電池的快速規模化應用。
該在該工作中，研究人員設計了一個利用已有電池的實驗數據直接開發新電池健康狀態估計方法的深度學習框架（圖1）。該框架集成了一個深度神經網絡群，將深度神經網絡的個體估計擴展為群體估計以降低訓練不確定性。該框架還特別針對每個深度神經網絡個體進行了最小化特征分布差異設計，以此促進已有電池的健康狀態估計知識遷移至新電池。
圖1 所提框架的結構示意圖
經過5款電池（共71,588個樣本）的交叉驗證（圖2），結果表明，該框架在毫無新電池全壽命周期老化實驗數據下能夠確保89.4%樣本的估計絕對誤差在3%以內，同時確保98.9%樣本的估計絕對誤差在5%以內，最大誤差在8.87%以內。更重要的是，該框架利用約0.7小時的訓練時間避免了耗時數月甚至數年的目標電池全壽命周期老化實驗。這些發現為鋰離子電池管理算法的快速開發提供了全新思路。
圖2 基于5款電池（共71,588個樣本）的交叉驗證結果
論文作者全部自于北京理工大學電動車輛國家工程研究中心。第一作者盧家歡為北京理工大學在讀博士生，指導教師為孫逢春院士和熊瑞教授(通訊作者)，共同通訊作者為田金鵬博士后(合作導師為熊瑞教授)。該工作得到了國家重點研發計劃重點專項課題等的資助。
論文鏈接：https://www.nature.com/articles/s41467-023-38458-w
分享到：