登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《【Advanced Science】模型使用机器学习来预测高能量密度锂金属电池的循环寿命》

  • 来源专题：新能源汽车
  • 编译者： 王晓丽
  • 发布时间：2024-08-21

  • 美国国家材料科学研究所（NIMS）和软银公司（SoftBank Corp）通过对电池性能数据应用机器学习方法，联合开发了一种能够预测高能量密度锂金属电池循环寿命的模型。 这项研究成果发表在 Advanced Science 杂志上。

    事实证明，该模型能够通过分析电池的充电、放电和电压弛豫过程数据，准确估算电池的寿命，而无需依赖任何有关特定电池退化机制的假设。 该技术有望在提高锂金属电池供电设备的安全性和可靠性方面发挥作用。 锂金属电池具有实现单位质量能量密度高于目前使用的锂离子电池的潜力。 因此，人们对其在无人机、电动汽车和家用蓄电系统等多种技术中的应用寄予厚望。 2018 年，NIMS 与软银成立了 NIMS-软银先进技术开发中心。 此后，他们共同开展了用于手机基站、物联网和高空平台站（HAPS）等各种系统的高能量密度可充电电池的研究。 此前曾有报道称，一种锂金属电池的能量密度高于 300 Wh/kg，使用寿命超过 200 次充放电循环。 要将这样的高性能锂金属电池投入实际使用，同时确保其安全性，就需要开发能够准确估算这些电池循环寿命的技术。

    然而，与传统锂离子电池相比，锂金属电池的降解机制更为复杂，而且尚未被完全理解，因此开发能够预测锂金属电池循环寿命的模型是一项巨大的挑战。 该研究团队利用之前开发的先进电池制造技术，制造了大量高能量密度锂金属电池芯，每个电池芯都由锂金属阳极和富镍阴极组成。 最后，研究小组通过对充放电数据应用机器学习方法，建立了一个能够预测锂金属电池循环寿命的模型。 事实证明，该模型能够通过分析充电、放电和电压松弛过程数据进行准确预测，而无需依赖任何有关特定电池降解机制的假设。 研究小组打算进一步提高该模型的循环寿命预测准确性，并利用该模型开发新的锂金属负极材料，从而加快高能量密度锂金属电池的实际应用。

    原文链接：: Qianli Si et al, Data‐Driven Cycle Life Prediction of Lithium Metal‐Based Rechargeable Battery Based on Discharge/Charge Capacity and Relaxation Features, Advanced Science (2024). DOI: 10.1002/advs.202402608

  • 原文来源：https://techxplore.com/news/2024-08-machine-high-energy-density-lithium.html?deviceType=mobile
132浏览量
原文链接
相关报告

  • 《人工智能大模型“拿捏”电池寿命》
    • 来源专题：能源情报网监测服务平台
    • 编译者：郭楷模
    • 发布时间：2024-09-25
    • 从清晨唤醒我们的闹钟，到随身携带的手机，再到电动汽车、无人机等新兴产品，无一不依赖于电池提供的稳定电力。 然而，随着电池使用时间的增长，其容量会逐渐衰减，造成供电时间缩短，影响设备的正常功能。如果能及时检测电池寿命，用户就能在电池性能明显下降前采取相应措施，从而避免因电池问题导致的设备故障或数据丢失，延长电池整体使用寿命。 近日，中国科学院大连化学物理研究所(以下简称大连化物所)研究员陈忠伟、副研究员毛治宇团队，联合西安交通大学教授冯江涛，在电池健康管理领域取得新进展。他们开发了一种新型的深度学习模型，有效解决了传统方法对大量充电测试数据的依赖问题，为电池实时寿命预估提供了新思路，实现了锂电池寿命的端到端评估。同时，该模型作为团队开发的第一代电池数字大脑PBSRD Digit核心模型的重要组成部分，为电池智能管理提供了解决方案。相关成果发表于《电气电子工程师学会交通电气化学报》。 难以预测的电池寿命 电池的循环寿命是指电池在规定的充放电条件下，经历多次完全充放电循环后，容量或性能下降到初始值的某一规定百分比所能经历的充放电次数。通常以电池容量衰减到初始值的80%作为循环寿命的“终点”。 假如一部手机的电池循环寿命是500次，这就意味着，如果每天把手机电量完全用完再充满，那么大约500天后，你就会感觉手机电量没有以前那么耐用了，因为电池的循环寿命到了。 由于电池容量退化是一个受多种因素影响的动态过程，包括充放电循环次数、充放电深度、环境温度、电池老化等，这些因素相互作用，使得电池寿命预测变得尤为复杂。 此前，电池寿命预测都在实验室内进行。比如让电池加速循环，在高温45℃下高倍率运行，以此推断它在实际应用场景中的使用寿命。但是，不同的应用场景和运行条件会对锂电池寿命产生显著影响，以致无法实现对电池的精准预测。 目前，很多团队正积极投身于人工智能领域的探索。“遗憾的是，当前的人工智能技术及其学习深度，以及有限的人力资源，不能完全满足对电池寿命进行精确检测的需求。”毛治宇说，“基于这一现状，我们萌生了一个设想——设计一个能够直接且高效检测电池寿命的创新模型。这一模型致力于突破现有技术的局限，为电池健康管理提供更为可靠和智能的解决方案。” 人工智能模型让电池“透视” 2017年，毛治宇在加拿大滑铁卢大学读博士，陈忠伟是他的导师。当时，人工智能刚刚起步，他们想尝试一下，用它能否解决电池寿命检测这一难题。 “实际上，电池包括正极、负极、隔膜、电极液等，是一个复杂的电化学系统。但是，那时候的模型还停留在简单的神经网络学习，人工智能检测刚刚开始，我们就用自己的电池尝试测试，并纳入此前未被考虑到的电池老化问题，最终检测出来的电池寿命与实际寿命相比，精度有了很大提高。”毛治宇回忆当初第一次尝试时说。 这次初步尝试开启了毛治宇在人工智能应用于电池智能管理方向的科研之路。后来，二人先后归国工作，毛治宇又加入了陈忠伟的团队。 陈忠伟团队有一个方向是智能电池，包括人工智能应用于科学、人工智能应用于工程，毛治宇想在这里圆梦。而目前科技领域已有多个人工智能的计算模型，他们“借风使船”结合多个模型，实现了优势互补。 “我们利用了Vision Transformer结构，它可以进行并行计算，同时处理多个任务。”论文第一作者、在大连化物所从事博士后研究的刘云鹏介绍，“还有一个空间流加时间流的双流框架，可提取多维时间尺度信息，同时借助高效自注意力机制减少计算复杂度。我们根据不同的优势将这两种算法进行了结合。” 这项研究提出了一种基于少量充电周期数据的深度学习模型，该模型通过带有双流框架的Vision Transformer结构和高效自注意力机制，捕捉并融合多时间尺度隐藏特征，实现对电池当前循环寿命和剩余使用寿命的准确预测。 该模型在仅使用15个充电周期数据的情况下，能够将上述两种预测误差分别控制在5.40%和4.64%以内。并且，在面对训练数据集内未出现的充电策略时，仍能保持较低的预测误差，证明了其zero-shot泛化能力。 打造“电池数字大脑” 同时，该电池寿命预测模型是第一代电池数字大脑PBSRD Digit的重要组成部分。通过将模型整合到该系统中，进一步提高了系统的准确性。目前，该电池数字大脑系统作为大规模工商业储能和电动汽车的能量管理核心，可部署于云端服务器和客户端嵌入式设备。 “现在新能源特别是储能是热点话题，很多厂家都想开发全生命周期的电池智能管理系统。我们希望建设一个完整的电池数字大脑，能够更好地管理电池，像大脑一样控制电池的各个方面，让电池效率更高、寿命更长。这是我们未来的一个智能化发展方向。”毛治宇介绍说。 事实上，陈忠伟、毛治宇、刘云鹏正好是一个团队内的“师徒三代”。经过多年发展，团队在电化学、电催化、人工智能方面都有着深厚的积累。他们的目标是打造从基础研究到关键技术开发再到产业应用示范的全链条模式，以应用为导向真正走向产业化，乃至对整个领域产生影响。 150余人的团队中，会聚了超过50位经验丰富的工程师。他们具有不同的技术背景，不乏在大数据架构与算法领域深耕多年的专家，擅长将前沿的算法研究转化为高效、稳定的系统架构，确保技术成果能够顺利落地。 正是这种“研究+开发”深度融合的模式，使得团队能够跨越传统界限，促进不同领域知识与技术的交叉融合。工程师们不仅能独立承担项目研发的重任，还能与科研人员紧密合作，将最新研究成果迅速转化为产品功能，从而加速技术创新与产业升级的步伐。 通过这种高效的协作机制，团队不仅在电池寿命检测等特定领域取得突破，还能灵活应对各种复杂挑战，推动多个项目并行发展，最终实现多元化、全方位的技术创新目标。 “未来，我们计划利用模型提炼等技术进一步优化模型，以提高资源利用率，打造真正的数字大脑。”陈忠伟说。 相关论文信息： https://doi.org/10.1109/TTE.2024.3434553
    302浏览量
    原文链接

  • 《动力电池能量密度要与安全性平衡》
    • 来源专题：中国科学院文献情报先进能源知识资源中心 |领域情报网
    • 编译者：guokm
    • 发布时间：2020-07-16
    • 　5月4日，杭州九堡客运中心门口，一辆正在行驶的面包车发生自燃。5月8日，郑州日产帅客EV在东莞某充电站自燃，致使多车严重损毁。6月5日，一辆江铃易至EX5在湖州长兴某小区发生自燃。6月22日，一辆欧拉iQ在保定市瑞兴路的国家电网充电站内自燃。6月28日，杭州余杭盛奥西溪铭座地下车库发生一起新能源汽车自燃事故…… 　　“5月以来，电动汽车安全事故频发、‘火烧连营’。”原中国北方车辆研究所动力电池实验室主任、中国汽车动力电池产业创新联盟副秘书长王子冬坦言，目前电动汽车自燃事故还不能“归零”，给新能源汽车推广带来巨大的负面影响。 　　在近日举行的“动力电池安全设计及防护技术线上研讨会”上，王子冬反复强调，对电动汽车安全要有正确认识，在目前电池起火原因尚不明晰的情况下，动力电池能量密度的提升要与安全性寻求平衡优化。 　　电池自燃的根本原因是内部短路 　　“‘高温炎热的夏天更容易起火’的说法并不正确。”王子冬指出，从各个月份的电动汽车起火事件分布情况来看，除了12月的数量略少之外，其余各个月份都有超过4起严重起火事故，其中5、6月和11月是两个高峰期，这表明电动汽车起火事故在全气候条件下均易发生。 　　王子冬认为，电动汽车安全事故主要由动力电池热失控引起，但热失控仅是结果，其原因错综复杂。“现在电动汽车普遍配置了热管理系统，电池不太容易因为单一的热滥用而触发热失控。”他表示，解决电池安全问题，还要从更为复杂的角度对其诱因进行全面分析。 　　“说起热失控，一般都指向了电芯的热失控。”王子冬强调，这一观点很片面，电芯热失控只是其中的一部分，还有其他原因引起的热失控，比如，电池包内部的低压线束起火，局部高电阻导致高压线路升温、不合理的充电和维护方法等，“在电池包内没有相应的防护措施时，火势难以控制，形成热失控和蔓延，最终导致电芯起火，从而产生电芯热失控的假象。” 　　“车企在理解热失控时也经常感到困惑，因为当前电池热失控的定义或研究都是以电芯来设计的。”王子冬坦言，以电芯先入为主的思路，不利于实际工作中开展热失控的防护。 　　厘清电池包的热失控要回归本源，即“热”上。王子冬进一步说明，电池包热源来自多个方面：周围外界物体的热；短路或线路中高温电阻、电芯内阻电流作用产生热；过充或是低电压、大电流产生电化学反应产生热；正负极材料与氧气产生化学反应，以及气体膨胀都会产生热。 　　在王子冬看来，引发电池自燃的根本原因是内部短路。“加工制备时混入的金属杂质或产生的极片毛刺、电滥用、电解液浸泡不均等引发的局部析锂，都有可能划破电池隔膜，引发微小的内部短路。”王子冬称，这种微小的短路并不易被察觉会在电池内部持续产热，当热量堆积到一定程度就会引发电池热失控，致使电池起火。 　　电池能量密度与安全性成反比 　　王子冬进一步表示，近几年电动汽车安全事故呈现出一定趋势。“电动客车起火频次和占比逐年减少，而乘用车起火频次和占比总体上在上升，三元电池的使用是一个原因。”王子冬坦言，盲目追求高能量密度是问题的焦点，如何在高能量密度与提高安全性之间取得平衡，是当前业内亟待解决的一大难题。 　　各动力电池企业在不遗余力地创新。2019年9月，宁德时代推出了全新的CTP方案，改变了原有的电芯—模组—电池包结构，电芯直接集成到电池包。据了解，北汽EU5成为首款搭载该电池的车型，该电池包体积利用率提高了15%—20%，能量密度进一步提升至200Wh/kg，大幅降低了动力电池的制造成本。特斯拉、蜂巢能源均对CTP技术进行了布局。 　　比亚迪今年也重磅推出了刀片电池，设计上取消了纵梁、横梁，以电芯作为电池包结构的支撑件，使其体积能量密度从普通电池包的251Wh/L提高至332Wh/L。 　　“上述新技术没有隔离墙，这就要求电池确保万无一失，但目前还做不到。”王子冬直言，目前还没有真正弄清楚锂电池的着火原因、是什么环节出了问题、什么场景会出问题。“为了降低成本、多带电池，直接取消模组的做法值得商榷，有相当大的风险。”在他看来，理论上，电池能量密度与安全性成反比。动力锂电池成组时最关键、最核心的问题是安全和使用寿命，其影响因素除了电池自身工艺性和产品质量外，充电的安全性和热管理技术也至关重要，如果没有完善这两项技术，电池的安全性和长寿命循环就无法得到保证。 　　为应对动力电池自燃事故的发生，很多企业都在研究BMS（电池管理系统）。“如果电池受到外部影响，目前的BMS基本能够起到防护作用，但如果是电池内部出现问题，一般的BMS就不太管用了。”王子冬建议，BMS研究的重点应该在电芯的检测和事故前的监控上，BMS不能是“事后诸葛亮”。 　　电池设计要从整体系统优化 　　值得注意的是，目前有相当一部分安全事故集中在充电环节。王子冬指出，正常充电过程中引发的电池起火事故正逐年上升，其中有充电设备故障引起的，也有电池过充引发的。实际上，电动汽车在停止状态下也会自燃，这对电池安全管理提出了更高要求，不仅在运行过程中，在断电状态下也要对电池进行有效监管和防护。“断电后的监护，目前还是盲点。” 　　王子冬进一步表示，随着电动汽车保有量的上升和充电桩建设速度的加快，对充电方法和充电设施进行更加规范化的管理，对充电电池组进行有效的状态检测，十分重要。 　　目前，行业正致力于大功率直流快充的技术攻坚。王子冬提醒，快充对动力电池的要求很高，与之相伴的是，如何减小电池组在快充过程中单体电池之间的差异问题。“要实现快充，就必须在其它方面做出牺牲。”王子冬解释，快充会在锂离子电池内部产生大量热量，过高的温度会破坏负极材料的粘接性能，从而导致负极活性物质的脱离，使电池可逆容量快速衰降、电池性能劣化，严重影响动力电池的使用寿命。 　　王子冬表示，行业已经在减小电池级片的厚度、改变电池结构，以及选择更合适快充的材料等方面进行调整。不过，这些都将增加动力电池的生产成本，电池设计需从整体角度进行系统优化。
    377浏览量
    原文链接