大数跨境

西安交大梅雪松/徐俊教授团队EnSM:3分钟实现锂电池在变温/非恒流充电下快速容量估计

西安交大梅雪松/徐俊教授团队EnSM:3分钟实现锂电池在变温/非恒流充电下快速容量估计 科学材料站
2023-09-29
0
导读:西安交大梅雪松/徐俊教授团队EnSM:3分钟实现锂电池在变温/非恒流充电下快速容量估计


文 章 信 息

数据驱动的锂电池变温/非恒流充电快速(3分钟)容量估计

第一作者:林川平

通讯作者:徐俊

单位:西安交通大学


研 究 背 景

凭借其优异性能,锂离子电池已被广泛应用于电动汽车、移动机器人、可穿戴设备和储能站。在电池使用过程中,不可避免出现的非线性、强时变的容量衰减严重影响着电池性能。为确保电池的安全性和可靠性,快速准确的容量估计至关重要。此外,准确的容量估计有助于实现准确的荷电状态(SOC)、能量状态(SOE)和续驶里程估计。然而,由于电池化学、充电模式、工作温度以及用户习惯的变化,实现真实世界条件下准确、稳健的在线容量估计充满挑战。


文 章 简 介

近日,西安交通大学梅雪松/徐俊教授在国际知名期刊Energy Storage Materials上发表题为“A fast data-driven battery capacity estimation method under non-constant current charging and variable temperature”的研究论文。该论文提出了一种基于单电压特征高斯过程回归(GPR)的数据驱动方法,可在3分钟内实现锂离子电池变温、非恒流充电快速容量估计。该工作首次通过实验生成了基于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分钟内收集的高质量健康特征,结合GPR实现快速容量估计。同时,该工作提出了一种简单有效的温度迁移策略,可将25℃建立的模型低误差迁移至其他温度条件(如10℃和40℃),为实现全温域的锂电池容量估计提供了全新的解决方案。

图1. 数据驱动的锂离子电池变温、非恒流充电快速容量估计方法


本 文 要 点

要点一:非恒流充电电压增量特征提取与数据驱动的容量估计

现有的数据驱动的容量估计方法几乎都是针对恒流充电协议开发的。然而,在实际应用中,非恒流充电是一种重要且不可忽视的充电模式。现有方法直接应用于非恒流充电将会出现严重的性能恶化。例如,非恒流激励会改变增量容量(IC)曲线与电池老化之间的映射关系。一些基于充电时间的健康特征也将失去其物理意义,变得无效。因此,针对非恒流充电过程开发数据驱动模型迫在眉睫。

在此背景下,该工作系统地探索了不同电压起点下不同充电时间片段(Δt)的电压增量(ΔV)与电池容量之间的关系,该特征结合GPR模型可在3分钟内实现快速容量估计,并且性能超过了几个机器学习模型,如LR、SVR和RF。针对钴酸锂(LCO)电池,仅使用1块电池的老化数据进行建模训练,其他3块电池的平均容量估计误差(MAPE)仅为0.65%,展示出了优异的容量估计性能。此外,在两块三元(NCM)电池上的验证结果证明了该方法对不同电池化学的通用性。

与三种典型的数据驱动方法(基于IC特征、基于区域容量统计特征、基于充电曲线直接输入)相比,该方法的平均估计精度(MAPE)分别提高了69%、82%和68%。这些结果表明,提出的健康特征具有显著的优势,可以很好地用于指示非恒流充电过程的电池容量退化。

图2. 非恒流充电阶段电压增量健康特征提取与相关性可视化

图3. 非恒流充电场景的容量估计结果(LCO电池)

图4. NCM电池的容量估计结果


要点二:基于变温迁移的容量估计

在实际应用中,容量估计模型适应于不同的温度条件具有重要价值。该工作提出了一种基于早期循环数据线性变换的温度迁移(TL)策略来解决变温容量估计问题。在新的温度环境下,特征序列与电池容量之间的映射将发生改变。这将导致已建立的25℃的GPR模型的预测会发生偏差,利用线性回归建立GPR预测与真实容量之间的修正关系,从而实现温度迁移估计效果,提高GPR在变温条件的容量估计精度。在10℃和40℃环境下的实验验证表明,与不使用迁移策略相比,GPR+TL方法能够将容量估计误差降低30%以上。更为重要的是,仅利用新温度条件的前6个循环数据实现温度迁移使得该方法具有很高的工业应用价值。

图5. 基于早期数据线性变换的温度迁移策略

图6. 温度迁移容量估计结果


要点三:对传统恒流充电协议的通用性

该工作提出的方法不仅适用于非恒流充电,对传统恒流充电协议也同样适用。8块LCO电池的留一交叉验证结果显示出该方法的平均估计误差为0.72%。与现有工作相比,该方法具有很强的竞争力,特别是考虑到特征采集时间和计算复杂度。另一方面,23块NCM电池(25℃)的平均估计误差为0.42%,进一步证实了该方法对不同充电协议、电池化学的通用性。当25℃模型应用到4块在35℃环境下工作的NCM电池上时,GPR+TL方法能将估计误差从2.73%降到1.81%。当25℃模型应用到28块在45℃环境下工作的NCM电池上时,GPR+TL方法能将估计误差从4.74%降到1.99%。这些结果显示出该方法在温度迁移估计方面的优异性能。

图7. 对于恒流充电协议的通用性验证(LCO/NCO电池和NCM电池)


文 章 链 接

A fast data-driven battery capacity estimation method under non-constant current charging and variable temperature

https://www.sciencedirect.com/science/article/pii/S2405829723003458?via%3Dihub


通 讯 作 者 简 介

徐俊 教授简介:

西安交通大学教授、博导,绿能慧充-西安交大数字能源研究院院长,恩狄-西交储能逆变研究院院长,IEEE高级会员,陕西省电源学会副理事长,陕西省汽车工程学会青工委主任,西安市机械工程学会副理事长。长期致力于电动汽车能源管理技术和机电系统控制领域的研究,主持包括国家重点研发计划重点专项课题、工信部项目子课题、国家自然科学基金等项目30余项,发表学术论文100余篇(ESI高被引5篇),授权发明专利20余项。担任Front. Energy Res等期刊副主编、编委、青年编委、客座主编等。先后多次担任国内外学术会议大会主席、大会联合主席等,受邀做大会报告/主旨报告/特邀报告10余次。以第1完成人获陕西省自然科学二等奖等科研奖励4项,以第2完成人获陕西省教学成果二等奖等教学成果奖励。


添加官方微信 进群交流

SCI二氧化碳互助群

SCI催化材料交流群

SCI钠离子电池交流群

SCI离子交换膜经验交流群

SCI燃料电池交流群

SCI超级电容器交流群

SCI水系锌电池交流群

SCI水电解互助群

SCI气体扩散层经验交流群

备注【姓名-机构-研究方向】

说明

🔹本文内容若存在版权问题,请联系我们及时处理。

🔹欢迎广大读者对本文进行转发宣传。

🔹《科学材料站》会不断提升自身水平,为读者分享更加优质的材料咨询,欢迎关注我们。

投稿请联系contact@scimaterials.cn

致谢

感谢本文作者对该报道的大力支持。

点分享

点赞支持

点在看


【声明】内容源于网络
0
0
科学材料站
内容 9163
粉丝 0
科学材料站
总阅读9.0k
粉丝0
内容9.2k