監(jiān)測(cè)鋰離子電池（LIBs）的衰減狀況，即所謂的健康狀態(tài)（SOH），對(duì)于電池系統(tǒng)的安全可靠運(yùn)行至關(guān)重要。通過(guò)從現(xiàn)場(chǎng)采集電池?cái)?shù)據(jù)并在云端建立電池?cái)?shù)字孿生，可在電極層面在線監(jiān)測(cè)電池的衰減情況，并從數(shù)據(jù)中提取衰減模式信息。

在此，德國(guó)亞琛工業(yè)大學(xué)Weihan Li等人首次提出了一種物理和人工智能相結(jié)合的在線電極級(jí)衰減診斷方法，即布谷鳥搜索算法（CSA）。通過(guò)集成基于阻抗的模型和開路電壓（OCV）重建模型，開發(fā)的混合模型由代表電池阻抗和老化過(guò)程中OCV變化的參數(shù)組成。

基于低動(dòng)態(tài)和高動(dòng)態(tài)的現(xiàn)場(chǎng)數(shù)據(jù)，該衰減診斷方法可通過(guò)考慮參數(shù)敏感性差異的多步CSA準(zhǔn)確識(shí)別全壽命模型參數(shù)，從而可以指示電池的老化程度，模型的高保真度和識(shí)別的快速收斂性通過(guò)以NCA為正極材料、石墨和硅混合為負(fù)極材料的電池單元在整個(gè)生命周期內(nèi)的實(shí)驗(yàn)測(cè)試得到驗(yàn)證。使用確定的模型參數(shù)，考慮容量和功率衰減的SOH估計(jì)的平均絕對(duì)誤差分別小于0.5% 和1.5%。在線重建電池的電化學(xué)阻抗譜和OCV，可同時(shí)定性和定量地識(shí)別衰減模式，即鋰離子庫(kù)存損失、正/負(fù)極活性材料損失。

圖1. 識(shí)別和測(cè)量的電池健康指標(biāo)之間的比較

此外，傳感器噪聲下的魯棒性分析證明了該方法的高穩(wěn)定性，數(shù)據(jù)采樣率分析為考慮性能、計(jì)算成本和數(shù)據(jù)存儲(chǔ)成本之間的權(quán)衡，為云衰減診斷選擇最佳采樣時(shí)間提供了方法。

作為L(zhǎng)IB的下一代云衰減分析的概念驗(yàn)證，這項(xiàng)工作在未來(lái)可向不同的方向擴(kuò)展。首先，溫度對(duì)電池動(dòng)力學(xué)的影響將使衰減識(shí)別更具挑戰(zhàn)性，需要根據(jù)現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行研究。其次，衰減診斷，特別是基于小放電深度現(xiàn)場(chǎng)數(shù)據(jù)的容量估計(jì)和衰減模式識(shí)別將值得進(jìn)一步研究。第三，考慮SOC依賴性的功率衰減參數(shù)識(shí)別對(duì)于理解衰減機(jī)制很有意義，而基于物理的模型（如電化學(xué)模型）在在線衰減診斷中的應(yīng)用可能有助于進(jìn)一步深入了解衰減。總之，這項(xiàng)工作突出了通過(guò)電池建模和人工智能在現(xiàn)場(chǎng)進(jìn)行在線電極級(jí)衰減診斷的機(jī)會(huì)，可在云端應(yīng)用于不同應(yīng)用場(chǎng)景下不同材料的電池。

圖2. 該診斷方法在各種傳感器噪聲水平下的魯棒性

Battery degradation diagnosis with field data, impedance-based modeling and artificial intelligence, Energy Storage Materials 2022. DOI: 10.1016/j.ensm.2022.08.021