清華新聞網(wǎng)11月8日電 伴隨著“電動(dòng)化、低碳化、信息化、智能化”為核心特征的全球汽車(chē)產(chǎn)業(yè)革命，發(fā)展純電動(dòng)、智能化的新能源汽車(chē)在全球范圍內(nèi)達(dá)成廣泛共識(shí)。我國(guó)在“十四五”規(guī)劃的頂層設(shè)計(jì)之下，發(fā)展高安全、長(zhǎng)壽命、高性能的動(dòng)力電池儲(chǔ)能技術(shù)已經(jīng)成為解決新能源汽車(chē)產(chǎn)業(yè)卡脖子技術(shù)的前沿陣地。在國(guó)際層面，對(duì)新能源儲(chǔ)能電池的核心攻關(guān)也有助于我國(guó)能源結(jié)構(gòu)向清潔化、低碳化、電動(dòng)化轉(zhuǎn)型，成為2030年前“碳達(dá)峰”和2060年前“碳中和”戰(zhàn)略目標(biāo)的核心實(shí)現(xiàn)路徑。
目前新能源電池研發(fā)領(lǐng)域大部分遵循著實(shí)驗(yàn)試錯(cuò)的設(shè)計(jì)方法，非常消耗資源和時(shí)間。《歐盟電池2030+》能源戰(zhàn)略計(jì)劃指出，為了促進(jìn)電池領(lǐng)域的變革性發(fā)展，需要利用機(jī)器學(xué)習(xí)等人工智能技術(shù)，不斷提出新的研究方法和開(kāi)拓新的創(chuàng)新領(lǐng)域，在電池系統(tǒng)和材料等層面加快實(shí)現(xiàn)超高性能電池儲(chǔ)能技術(shù)開(kāi)發(fā)。
近日，清華大學(xué)自動(dòng)化系智能與網(wǎng)絡(luò)化系統(tǒng)研究中心江奔奔助理教授與美國(guó)麻省理工學(xué)院、斯坦福大學(xué)等高校的科研人員合作，提出了綜合分層貝葉斯模型和壽命早期預(yù)測(cè)模型，實(shí)現(xiàn)了只需少量樣本和循環(huán)數(shù)據(jù)就能夠精準(zhǔn)預(yù)測(cè)評(píng)價(jià)新能源電池快充性能的技術(shù)。
圖1.綜合分層貝葉斯模型和壽命早期預(yù)測(cè)模型的快充性能預(yù)測(cè)
圖2.不同壽命波動(dòng)程度和觀(guān)測(cè)樣本情形下分層貝葉斯方法預(yù)測(cè)結(jié)果
該文聚焦電池系統(tǒng)層面快充性能快速預(yù)測(cè)的問(wèn)題。目前快充預(yù)測(cè)評(píng)價(jià)問(wèn)題存在如下難點(diǎn)：快充設(shè)計(jì)測(cè)試實(shí)驗(yàn)成本資源預(yù)算有限，但充電方式的參數(shù)搜索空間巨大；快充策略性能測(cè)試評(píng)估代價(jià)昂貴，僅對(duì)數(shù)百個(gè)循環(huán)次數(shù)電池壽命的快充策略進(jìn)行實(shí)驗(yàn)測(cè)試就至少耗時(shí)數(shù)月。面對(duì)上述難點(diǎn)，該文以解析電化學(xué)數(shù)據(jù)作為切入點(diǎn)，提出了綜合分層貝葉斯模型和壽命早期預(yù)測(cè)模型的預(yù)測(cè)方法，實(shí)現(xiàn)了只需少量樣本和循環(huán)數(shù)據(jù)就能夠精準(zhǔn)預(yù)測(cè)評(píng)價(jià)快充策略。
具體而言，該文通過(guò)深入研究探索到“定量量化出快充策略波動(dòng)程度和壽命預(yù)測(cè)不確定性信息”是實(shí)現(xiàn)小樣本快充策略預(yù)測(cè)的關(guān)鍵，首次利用分層貝葉斯機(jī)器方法有效量化出該信息，實(shí)現(xiàn)了只需少量樣本甚至一個(gè)樣本就能夠精準(zhǔn)預(yù)測(cè)。同時(shí)，利用量化出的不確定信息，最大限度放寬壽命預(yù)測(cè)模型所需的精確度，實(shí)現(xiàn)了只需利用電池前三個(gè)充放電循環(huán)次數(shù)就可完成快充性能預(yù)測(cè)。該文所提出的貝葉斯學(xué)習(xí)快充預(yù)測(cè)方法突破了現(xiàn)有評(píng)估方法需要基于大量數(shù)據(jù)和多次重復(fù)測(cè)試實(shí)驗(yàn)才能夠精確預(yù)測(cè)評(píng)價(jià)的技術(shù)瓶頸，可以從整體上縮減兩個(gè)數(shù)量級(jí)的測(cè)試實(shí)驗(yàn)成本。
除了針對(duì)電池系統(tǒng)優(yōu)化預(yù)測(cè)外，下一代電池新材料的優(yōu)化設(shè)計(jì)問(wèn)題同樣面臨著上述難點(diǎn)，目前仍采用耗時(shí)耗力的實(shí)驗(yàn)試錯(cuò)研究方式。該文所提出的基于貝葉斯機(jī)器學(xué)習(xí)的快速預(yù)測(cè)方法同樣可以應(yīng)用于新型電池材料如固態(tài)電解質(zhì)等的優(yōu)化設(shè)計(jì)中，加快下一代超高性能電池材料的研發(fā)速度。
該研究成果以“基于貝葉斯學(xué)習(xí)的鋰離子電池充電策略快速預(yù)測(cè)”（Bayesian Learning for Rapid Prediction of Lithium-ion Battery Cycling Protocols）為題在線(xiàn)發(fā)表在《細(xì)胞》（Cell）旗下期刊《焦耳》（Joule）上。
論文第一作者是清華大學(xué)自動(dòng)化系助理教授江奔奔，通訊作者是美國(guó)麻省理工學(xué)院理查德·布拉茨（Richard D. Braatz）教授。其他主要合作者包括美國(guó)麻省理工學(xué)院馬丁·巴贊特（Martin Bazant）教授、斯坦福大學(xué)威廉·崔（William Chueh）教授、威廉·根特（William Gent）博士和勞倫斯伯克利國(guó)家實(shí)驗(yàn)室斯蒂芬·哈里斯（Stephen Harris）博士。該研究得到了清華大學(xué)-豐田國(guó)際聯(lián)合基金等項(xiàng)目的支持。
論文鏈接：
https://doi.org/10.1016/j.joule.2021.10.010
供稿：自動(dòng)化系
編輯：李華山
審核：呂婷
