温州大学向家伟/吕东祯Cell子刊：电池累计寿命预测，成功搭建实验场景研究与现实场景应用之间的桥梁

Cell Reports Physical Science 2024-09-05

最近，由温州大学的向家伟和吕东祯团队，与南卡罗来纳大学的Bin Zhang团队以及巴黎矿校的Enrico Zio团队在《Cell》子刊上发表了一项开创性的电池寿命预测技术，展示了在电池累计寿命预测领域的重大进展。这一技术创新引入了“累积使用寿命”的概念。

第一作者（或者共同第一作者）：吕东祯

通讯作者（或者共同通讯作者）：吕东祯，向家伟

通讯单位：温州大学

论文DOI：https://doi.org/10.1016/j.xcrp.2024.102164

全文速览：

最近，由温州大学的向家伟和吕东祯团队，与南卡罗来纳大学的Bin Zhang团队以及巴黎矿校的Enrico Zio团队在《Cell》子刊上发表了一项开创性的电池寿命预测技术，展示了在电池累计寿命预测领域的重大进展。这一技术创新引入了“累积使用寿命”的概念。该预测方法简化了模型中多种影响因素的耦合，使其能在不同的应用场景中迁移使用显著，提升了实验室研究与实际应用的衔接。

在大规模迁移测试中，该方法不仅稳定提高了早期寿命预测的准确性（误差降至5%以下），还能在便携式设备上实现毫秒级的实时预测，显示出卓越的工程实用性。

这项研究成果发表于2024年8月，论文题为《Battery Cumulative Lifetime Prognostics: Bridging Laboratory and Real-Life Scenarios》，刊登在Cell Reports Physical Science期刊，属于Cell Press出版集团。

背景介绍：

随着科技的不断进步，电池作为能源存储的重要组成部分，其寿命和性能预测成为了关键课题。传统的电池寿命预测方法多依赖于实验室条件下的测试，这些方法虽然精确，但在实际应用中往往难以反映电池在真实环境中的表现。因此，如何将实验室研究成果有效地转化为实际应用，成为了电池技术研究中的一大挑战。

针对这一应用瓶颈问题，宁德时代新能源科技股份有限公司曾于2024年6月面向全球发布技术榜单：“基于实验条件下的电芯循环寿命预测已有不少研究，但是针对于实车工况下，真实使用场景、不同环境温度等影响因子的使用寿命预测，还缺乏真正的工程方法”。吕东祯博士在在该领域深耕数年，早在2020年10月份起就开始设计实施实车工况锂电池性能退化实验，针对这一技术瓶颈和应用难点进行了深入研究，面向实车工况开发了一系列工程方法并申请/授权7项中国专利、1项PCT国际专利、1项美国发明专利，有效应对了这一瓶颈问题。专利技术曾被国内外多家研究机构采用近百台电动公交车进行示范性应用。

本文亮点：

在实验室场景以及多种实际应用场景下测试并采集300个电池单体的性能退化数据。
提出了基于累计耗损寿命的预测方法，实现了实验场景研究在现实场景下的迁移应用。
预测方法能够简化随机电流、频率、深度以及多电池成组、环境温度复杂变化的影响。
在大规模测试中实现了5%的寿命预测误差以及毫秒级的计算效率。
突显了低温环境对延长电池累计耗损寿命的有益效果。

研究主题：

迄今为止，各国学者在Web of Science发表了上万种基于“循环次数”的寿命预测方法，这些方法在实验室环境下表现往往十分出色，但在实际应用中却往往难以有效应用。针对锂电池寿命预测方法在真实使用场景下的应用瓶颈，宁德时代新能源科技股份有限公司在2024年6月面向全球发布了一份榜单，总计悬赏超百万寻求技术攻关：“基于实验条件下的电芯循环寿命预测已有不少研究，但是针对于实车工况下，真实使用场景、不同环境温度等影响因子的使用寿命预测，还缺乏真正的工程方法”。

为此，作者重新定义了“电池寿命”的概念，突破了传统“循环次数”所带来的禁锢和枷锁，有效克服了现实场景中的应用瓶颈。期待作者的探索能够为整个行业带来新的火花，共同推动解决实际应用中电池剩余寿命预测的技术难题。

期刊封面图

研究背景：

锂电池的性能退化现象严重影响了电动汽车、大规模储能等设备的稳定运行，如何监测锂电池的性能退化过程并实现循环寿命的精准预测已成为当下研究热点，实验室场景下的循环退化研究也日益增多。然而，锂电池的实际应用场景错综复杂，并且使用策略和环境因素也非常随机和多变。这些因素对锂电池性能的衰减有什么影响？能否用一种简洁的方法来对这些随机产生的复杂影响进行简化处理？

实验研究：

受到这些问题的启发，吕东祯等人在2020年左右启动了一项长达数年之久的锂电池性能退化实验研究。

随着研究的深入，他们逐渐形成了初步的推测，即采用累计耗损量作为寿命指标有可能显著提高电池寿命预测方法的实用性。为此，他们在2021年7月起陆续构建了多个基于累计耗损量的寿命预测方法，并申请了多项中国、美国、PCT国际发明专利。他们还意识到，对于这个具有极大实用潜力的发现，仅仅进行方法设计是远远不够的，还需要进行充分的实验验证、合理的建模分析以及全面的效果测试，才能确保其可靠性和有效性。

为此，该团队自2020年至今持续进行了大规模的锂电池性能退化实验，涵盖了实验室场景下的标准模式、多因素耦合下的复杂模式和真实应用场景下的随机模式（如图1）。实验过程中还考虑了昼夜温差、四季变化所导致的高频低幅温度、低频高幅的温度变化影响。该研究采用两种型号共计300多个电池单体进行退化实验测试，其中部分电池单体还被集成为电池组的形式。两种型号的电池各自均是同一批次，但是不同电池的仓储搁置时间是不同的，因此也涉及到了复杂日历退化效益的耦合作用。

	1Ah (A型锂电池)		0.8Ah (B型锂电池)
	单体	3 成组	单体	2 成组	3 成组	5 成组
标准测试模式	37	1	24	2	6	6
复杂测试模式	32	0	19	0	1	0
随机测试模式	75	1	33	0	3	2
全部	144	2	76	2	10	8

表1 不同测试模式中采用的电池数量

方法研究：

受到这些问题的启发，本文中所设计预测方法的核心理念在于采用累计放电量、累计充电量、累计做功量、累计里程量等一系列累计工作量作为锂电池的寿命，而非仅仅采用锂电池的循环次数作为寿命。吕东祯等人已经依托该技术，顺利申请/授权7项中国专利、1项PCT国际专利、1项美国发明专利。经过反复的实验验证（如图1），该团队设计的预测方法成功地将实验室场景下学习到的知识有效地迁移到真实应用场景中，并且能够在多种复杂工况和应用场景之间实现相互迁移。在采用便携笔记本电脑进行测试时，该方法展示了约5%左右的预测误差和毫秒级的计算效率。

图1 多种应用场景下的锂电池性能退化及寿命预测研究

传统的锂电池寿命预测方法都是基于循环次数的，在采用本文中开源的“WZU随机电池退化数据”进行测试时，传统方法在实验室场景下的预测误差大致处于10%~20%的误差水平，但是在复杂工况和实际应用场景下的预测误差高达40%至110%。很明显，传统的锂电池寿命预测方法难以实现多种复杂工况和应用场景之间实现相互迁移，相关研究存在明显的应用瓶颈。

宁德时代新能源科技股份有限公司也曾意识到了这一技术瓶颈，并面向全球发布技术榜单：“基于实验条件下的电芯循环寿命预测已有不少研究，但是针对于实车工况下，真实使用场景、不同环境温度等影响因子的使用寿命预测，还缺乏真正的工程方法”。

总结与展望：

本项目开发的方法将实验室场景中学到的电池退化模型成功应用于复杂的半充半放实际车辆场景下的电池寿命预测，并且实现了多种复杂工况之间的相互迁移。

图1具体总结展示了本项目实验研究的全面性，并且客观展示了所提出解决方案的卓越性能。本项目的实验验证长达4年之久，并且其中设置的测试模式非常繁多，既包括贴合实验室场景的标准模式，也包括多因素耦合下的复杂模式，还包括贴合真实场景的随机模式，包括但不限于采用随机的充放电频次，随机的充放电时长，随机的充放电电流大小，随机的充放电深度等。与此同时，还考虑了昼夜变化所导致的高频低幅温度变化，以及四季变化所导致的低频高幅温度变化。本项目的实验研究共采用了两种型号的电池，各自均是同一批次，但是不同电池的仓储搁置时间是不同的，因此也考虑了复杂日历退化效益的影响。

温州大学向家伟/吕东祯Cell子刊：电池累计寿命预测，成功搭建实验场景研究与现实场景应用之间的桥梁

评论

热点文章