一種新方法可實現準確的鋰電池健康狀態估計

西安交通大學未來技術學院儲能科學與工程方向碩士研究生鄭琨在宋政湘、孟錦豪老師的指導下，提出了一種基于殘差卷積和變壓器網絡（R-TNet）的方法，使用隨機段中稀疏維度的特征——起始和結束電壓、充電溫度、充電電流倍率和安培小時吞吐量實現準確的鋰電池健康狀態（SOH）估計，同時設計了一種基于ElasticNet的特征遷移策略來使用任意充電長度的片段。近日該研究成果發表在《應用能源》上。

鋰離子電池在實際使用過程中，各種老化機制同時發生并相互耦合導致電池在不同工作條件下的退化路徑復雜。同時由于用戶隨機的充電行為，充電片段的起始和結束電壓也是隨機的，因此，準確捕捉實際應用條件下鋰離子電池的健康狀態仍然是一項具有挑戰性的任務。

該工作在66個具有不同工作條件的鎳鈷鋁酸鋰（NCA）進行了驗證。對于200mV的隨機電壓段，該方法SOH估計的均方根誤差（RMSE）僅為0.57%，與最佳比較方法相比，RMSE提高了17.2%。同時僅使用50mV電壓段可以得到RMSE小于1.7%的SOH估計結果，證明了特征遷移策略的有效性。所提出方法也在55個鎳鈷錳酸鋰（NCM）電池上進行了驗證，證明了所提出方法在不同化學成分電池的有效性。該工作涉及電氣工程和人工智能等學科，主要解決了當電池由電動汽車車主個人習慣或儲能電站受電網支配隨機充放電時難以實現靈活SOH估計的問題，為實現不同工況的任意充電片段的鋰電池SOH估計提供了新的解決方案，加速了下一代儲能系統健康管理云平臺的開發。

R-TNet的細節結構。（課題組供圖）

相關論文信息：https://doi.org/10.1016/j.apenergy.2024.124077