北理工團(tuán)隊(duì)在鋰離子電池健康評(píng)價(jià)方面取得重要進(jìn)展
發(fā)布日期：2023-05-24 供稿：機(jī)車學(xué)院 攝影：機(jī)車學(xué)院
編輯：宋斯語 審核：席軍強(qiáng) 閱讀次數(shù)：
近日，北京理工大學(xué)電動(dòng)車輛國(guó)家工程研究中心孫逢春院士、熊瑞教授團(tuán)隊(duì)在《自然通訊》雜志上發(fā)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(cè)試的健康狀態(tài)快速評(píng)估方法。該方法直接利用已有電池?cái)?shù)據(jù)實(shí)施新電池健康狀態(tài)評(píng)估,，打破了電池健康狀態(tài)評(píng)估對(duì)完備測(cè)試數(shù)據(jù)的依賴性,。
鋰離子電池被廣泛用作新能源汽車、電化學(xué)儲(chǔ)能等領(lǐng)域的核心供能部件,，但其老化引發(fā)的性能衰退問題卻始終危及長(zhǎng)期應(yīng)用安全,。健康狀態(tài)是能夠有效評(píng)價(jià)電池性能衰退程度的重要量化指標(biāo)，遺憾的是,，該指標(biāo)往往難以通過傳感器直接測(cè)量而依賴于在線估計(jì),。長(zhǎng)期以來，額外開展目標(biāo)電池全壽命周期老化實(shí)驗(yàn)始終是新電池健康狀態(tài)估計(jì)算法開發(fā)的必要條件,，因?yàn)樗惴ㄐ枰码姵氐睦匣瘮?shù)據(jù)來學(xué)習(xí)新的老化特征知識(shí),，所以始終阻礙著電池的快速規(guī)模化應(yīng)用,。
該在該工作中,，研究人員設(shè)計(jì)了一個(gè)利用已有電池的實(shí)驗(yàn)數(shù)據(jù)直接開發(fā)新電池健康狀態(tài)估計(jì)方法的深度學(xué)習(xí)框架（圖1）。該框架集成了一個(gè)深度神經(jīng)網(wǎng)絡(luò)群,，將深度神經(jīng)網(wǎng)絡(luò)的個(gè)體估計(jì)擴(kuò)展為群體估計(jì)以降低訓(xùn)練不確定性,。該框架還特別針對(duì)每個(gè)深度神經(jīng)網(wǎng)絡(luò)個(gè)體進(jìn)行了最小化特征分布差異設(shè)計(jì)，以此促進(jìn)已有電池的健康狀態(tài)估計(jì)知識(shí)遷移至新電池,。
圖1 所提框架的結(jié)構(gòu)示意圖
經(jīng)過5款電池（共71,588個(gè)樣本）的交叉驗(yàn)證（圖2）,，結(jié)果表明，該框架在毫無新電池全壽命周期老化實(shí)驗(yàn)數(shù)據(jù)下能夠確保89.4%樣本的估計(jì)絕對(duì)誤差在3%以內(nèi),，同時(shí)確保98.9%樣本的估計(jì)絕對(duì)誤差在5%以內(nèi),，最大誤差在8.87%以內(nèi)。更重要的是,，該框架利用約0.7小時(shí)的訓(xùn)練時(shí)間避免了耗時(shí)數(shù)月甚至數(shù)年的目標(biāo)電池全壽命周期老化實(shí)驗(yàn),。這些發(fā)現(xiàn)為鋰離子電池管理算法的快速開發(fā)提供了全新思路。
圖2 基于5款電池（共71,588個(gè)樣本）的交叉驗(yàn)證結(jié)果
論文作者全部自于北京理工大學(xué)電動(dòng)車輛國(guó)家工程研究中心,。第一作者盧家歡為北京理工大學(xué)在讀博士生,，指導(dǎo)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(dǎo)師為熊瑞教授),。該工作得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃重點(diǎn)專項(xiàng)課題等的資助,。
論文鏈接：https://www.nature.com/articles/s41467-023-38458-w
分享到：