【48812】西安交大梅雪松、徐俊团队在锂电池容量估量范畴获得系列新发展

  锂离子电池凭仗其优异功能已被大范围的应用于电动车辆、移动机器人、可穿戴设备、储能场站等场景。在电池运用的进程中，不可避免呈现的非线性、强时变的容量衰减极度影响着电池功能。为保证电池作业的安全性和可靠性，快速精确的容量估量至关重要。但是，因为电池化学、充电方式、作业时分的温度以及用户习气的改变，完成实在国际条件下快速、精确、稳健的在线容量估量充溢应战。

  针对以上问题，西安交通大学机械工程学院梅雪松、徐俊教授团队提出了一种根据单电压特征高斯进程回归（GPR）的数据驱动办法，可在3分钟内完成锂离子电池变温、非恒流充电快速容量估量。该作业初次经过试验生成了根据非恒流充电协议的电池老化数据集，针对非恒流充电开发了可在3分钟内搜集的高质量健康特征，结合GPR完成了快速容量估量。该办法的均匀容量估量差错仅为0.65%，其精度比较传统办法提高了60%以上。一起，该作业提出了一种根据前期数据线性变换的温度搬迁战略，可将25℃树立的模型低差错（差错下降30%以上）搬迁至其他温度条件（如10℃和40℃）。该作业为完成非恒流、全温域的锂电池容量估量供给了新的解决方案。

  一起，部分充电曲线结合机器学习（ML）估量电池容量已获得了可观发展。但是，因为涣散的现有研讨，这一些办法缺少明晰的分类、公正的比较以及功能的合理化。在此布景下，西安交通大学梅雪松/徐俊教授团队从充电序列构建、输入方式和ML模型三个视点开发了20种容量估量办法用于比照研讨，从44块具有不一样电池化学和作业条件的电池中生成了22582条充电曲线用于穿插验证。经过全面公正的比较，根据等距时刻电压序列的长短期回忆（LSTM）神经网络表现出最佳的精确性和鲁棒性。在6503个测验样本中，运用LSTM估量的容量的均匀差错为0.61%，最大差错仅为3.94%。即便添加3mV电压噪声或将采样距离延伸至60秒，均匀差错依然低于2%。一起，该作业证明了两种充电序列经过描绘增量容量和差分电压曲线的单位面积改变来表征电池退化，从物理视点增强了数据驱动办法的推行决心。这项作业为根据部分充电曲线估量电池容量的数据驱动办法供给了深入的洞悉和有价值的辅导。

  上一条：【科技自立自强】西安交大侯高垒教授团队在富勒烯衍生物结合位点与稳定性机制来源方面获得新发展

  下一条：【科技自立自强】西安交大段培高教授团队在大气污染物管理研讨中获得新发展