基于物理信息學(xué)習(xí)的電池衰減軌跡早期預(yù)測方法

隨著全球?qū)稍偕茉葱枨蟮娜找嬖鲩L，電池作為儲能系統(tǒng)關(guān)鍵技術(shù)的地位愈發(fā)凸顯。然而，電池研發(fā)過程中面臨著從材料原型到商業(yè)產(chǎn)品轉(zhuǎn)化的重重挑戰(zhàn)，電池原型驗(yàn)證效率低、研發(fā)成本高以及生產(chǎn)廢料管理不善等問題制約著電池行業(yè)的可持續(xù)發(fā)展。

在電池制造領(lǐng)域，傳統(tǒng)的容量校準(zhǔn)方法在原型驗(yàn)證時(shí)需耗費(fèi)大量時(shí)間。同時(shí)，制造的不一致性和電池老化的多樣性，使得電池原型的性能評估變得極為復(fù)雜。為此，清華大學(xué)深圳國際研究生院張璇、周光敏、李陽團(tuán)隊(duì)提出了一種基于物理信息學(xué)習(xí)的電池衰減軌跡早期預(yù)測方法。該方法通過計(jì)算熱力學(xué)和動力學(xué)參數(shù)，并將其關(guān)聯(lián)至未來狀態(tài)變化，從而實(shí)現(xiàn)對電池整個(gè)衰減軌跡的早期預(yù)測。與傳統(tǒng)方法相比，該方法僅利用電池原型的早期循環(huán)數(shù)據(jù)（50次循環(huán)，占總壽命4%），即可達(dá)成95.1%全壽命平均預(yù)測準(zhǔn)確率，將原型驗(yàn)證速度提升了至少25倍。

圖2 應(yīng)用物理信息學(xué)習(xí)方法的動機(jī)、模型構(gòu)建和部署

團(tuán)隊(duì)采用與電動汽車快速充電兼容的多步充電方案，范圍從0.33C到3C，共包含9個(gè)步驟。其中的截止電壓（U1-U9）代表每個(gè)荷電狀態(tài)即SOC的充電接受程度，并在25℃、35℃、45℃和55℃四個(gè)溫度下進(jìn)行測試，如圖3所示。

圖3 原始數(shù)據(jù)集信息及可視化

團(tuán)隊(duì)基于電化學(xué)原理進(jìn)行特征工程，核心思想是：大電流充電時(shí)動力學(xué)過程主導(dǎo)，小電流階段時(shí)熱力學(xué)過程主導(dǎo)。由此可得到代表熱力學(xué)衰減和動力學(xué)衰減的特征，分別描述了與電流無關(guān)的材料不可逆衰減和與電流相關(guān)的電化學(xué)過程可逆衰減。

圖4可解釋特征工程

所提出的物理信息學(xué)習(xí)模型分為三個(gè)步驟：首先，用可解釋特征工程表達(dá)電池多維電化學(xué)過程；其次，用早期電化學(xué)過程數(shù)據(jù)推演后期尚未建立的電化學(xué)狀態(tài)；最后，用推演后的電化學(xué)狀態(tài)進(jìn)行電池衰減曲線預(yù)測。實(shí)驗(yàn)采用多源域自適應(yīng)設(shè)置（25℃和 55℃數(shù)據(jù)可用）并在35℃和45℃溫度下預(yù)測，利用早期循環(huán)數(shù)據(jù)即可實(shí)現(xiàn)準(zhǔn)確的全壽命衰減曲線預(yù)測。

圖5 物理信息學(xué)習(xí)模型的統(tǒng)計(jì)學(xué)性能

團(tuán)隊(duì)通過數(shù)值模擬確認(rèn)了多階段充電方式在表達(dá)熱力學(xué)和動力學(xué)衰減過程的電化學(xué)原理依據(jù)，并通過物理信息學(xué)習(xí)模型的特征重要性分析發(fā)現(xiàn)了熱力學(xué)和動力學(xué)衰減在電池總衰減比例上吻合。這說明所提出的模型可以通過結(jié)合電化學(xué)原理和可獲取的電流和電壓信號表達(dá)電化學(xué)過程，從而實(shí)現(xiàn)非侵入式的電池衰減曲線預(yù)測。

圖6 物理信息學(xué)習(xí)模型的電化學(xué)原理分析

團(tuán)隊(duì)分析了利用所提出的物理信息學(xué)習(xí)模型進(jìn)行電池生產(chǎn)制造環(huán)節(jié)的劣品檢測和廢料回收的技術(shù)經(jīng)濟(jì)性。其中，重點(diǎn)分析了直接修復(fù)輕微衰減電池（健康狀態(tài)即SOH>95%）的年利潤、累計(jì)利潤，以及不同SOH下回收的單位利潤構(gòu)成和環(huán)境能源影響。結(jié)果表明，所提出的模型對于生產(chǎn)制造環(huán)節(jié)的廢料管理可持續(xù)性具有顯著提升效果。

圖7 物理信息學(xué)習(xí)模型的技術(shù)經(jīng)濟(jì)性分析

相關(guān)研究成果以“Non-destructive degradation pattern decoupling for early battery trajectory predictionviaphysics-informed learning”（基于物理信息學(xué)習(xí)的電池衰減軌跡早期預(yù)測）為題發(fā)表在Energy & Environmental Science上，并被選為封面論文。清華大學(xué)深圳國際研究生院2022級博士研究生陶晟宇為論文第一作者，2021級碩士研究生張夢天、2023級碩士研究生趙子曦為共同第一作者。合作者包括欣旺達(dá)動力科技股份有限公司徐中領(lǐng)博士、于文軍博士、劉瑤俊團(tuán)隊(duì)，清華大學(xué)車輛與運(yùn)載學(xué)院郝瀚副教授團(tuán)隊(duì)，格羅寧根大學(xué)能源與可持續(xù)發(fā)展研究所孫鑫助理教授，麻省理工學(xué)院化學(xué)工程學(xué)院車云弘博士和加州大學(xué)伯克利分校土木與環(huán)境學(xué)院Scott Moura副教授。清華大學(xué)車輛與運(yùn)載學(xué)院2023級博士研究生李昊陽，深圳國際研究生院馬睿飛對技術(shù)經(jīng)濟(jì)分析作出重要貢獻(xiàn)。清華大學(xué)深圳國際研究生院張璇、周光敏、李陽副教授、重慶大學(xué)機(jī)械與運(yùn)載工程學(xué)院胡曉松教授為共同通訊作者。該研究得到了山西省能源互聯(lián)網(wǎng)研究院、清華大學(xué)深圳國際研究生院、深圳市鵬瑞基金會、廣東省基礎(chǔ)與應(yīng)用基礎(chǔ)研究基金等科研經(jīng)費(fèi)支持。

論文鏈接：https://doi.org:10.1039/D4EE03839H