首頁資訊 FIE ?北理工陳來研究員：機器學習和神經(jīng)網(wǎng)絡支持的鋰離子電池健康狀態(tài)模擬和預測模型—論文—科學網(wǎng)

FIE ?北理工陳來研究員：機器學習和神經(jīng)網(wǎng)絡支持的鋰離子電池健康狀態(tài)模擬和預測模型—論文—科學網(wǎng)

來源：泰然健康網(wǎng) 時間：2025年05月20日 19:15

FIE 北理工陳來研究員：機器學習和神經(jīng)網(wǎng)絡支持的鋰離子電池健康狀態(tài)模擬和預測模型

論文標題：Machine learning and neural network supported state of health simulation and forecasting model for lithium-ion battery

期刊：Frontiers in Energy

作者：Nan QI, Kang YAN, Yajuan YU, Rui LI, Rong HUANG, Lai CHEN, Yuefeng SU

發(fā)表時間：15 Apr 2024

DOI：10.1007/s11708-023-0891-7

微信鏈接：點擊此處閱讀微信文章

文章內容

目前，全球都在努力應對能源危機和環(huán)境問題，人們對可再生能源的關注度越來越高。鋰離子電池具有高能量密度、循環(huán)壽命長、低污染等特點，已被廣泛應用于動力電池領域。為了確保電池的高效安全運行，提高鋰離子電池系統(tǒng)的使用壽命，預測電池的剩余壽命和評估電池的健康狀況（SOH）至關重要。傳統(tǒng)的電池健康評估方法雖然很有價值，但往往缺乏電池運行的動態(tài)性和復雜性所需的精確性和適應性。人工智能和ML的整合提供了一種解決方案，即提供先進的數(shù)據(jù)驅動技術來預測電池壽命和性能。

由北京理工大學陳來博士研究團隊撰寫的綜述文章回顧了人工智能方法在鋰離子電池健康管理中的價值，特別分析了人工智能眾多分支之一的機器學習（ML）在鋰離子電池健康狀態(tài)（SOH）中的應用，重點介紹了神經(jīng)網(wǎng)絡（NN）方法在鋰離子電池SOH模擬和預測中的優(yōu)勢和長處。

圖1 AI、ML、NN和深度學習之間的關系

目前的研究表明，利用 NN 建立鋰離子電池 SOH 模型具有效率高、能耗低、魯棒性強、模型可擴展等優(yōu)點。未來，NN 可以為鋰離子電池管理做出更大的貢獻，一是利用更多的現(xiàn)場數(shù)據(jù)，在健康特征篩選和模型建立方面發(fā)揮更實際的作用；二是加強電池參數(shù)的智能篩選和組合，更大程度地表征實際的鋰離子電池 SOH。

NN 在鋰離子電池 SOH 中的深入應用必將進一步提高鋰離子電池管理的科學性、可靠性、穩(wěn)定性和魯棒性。

文章信息

Machine learning and neural network supported state of health simulation and forecasting model for lithium-ion battery

Nan QI, Kang YAN, Yajuan YU, Rui LI, Rong HUANG, Lai CHEN*, Yuefeng SU

Abstract:

As the intersection of disciplines deepens, the field of battery modeling is increasingly employing various artificial intelligence (AI) approaches to improve the efficiency of battery management and enhance the stability and reliability of battery operation. This paper reviews the value of AI methods in lithium-ion battery health management and in particular analyses the application of machine learning (ML), one of the many branches of AI, to lithium-ion battery state of health (SOH), focusing on the advantages and strengths of neural network (NN) methods in ML for lithium-ion battery SOH simulation and prediction. NN is one of the important branches of ML, in which the application of NNs such as backpropagation NN, convolutional NN, and long short-term memory NN in SOH estimation of lithium-ion batteries has received wide attention. Reports so far have shown that the utilization of NN to model the SOH of lithium-ion batteries has the advantages of high efficiency, low energy consumption, high robustness, and scalable models. In the future, NN can make a greater contribution to lithium-ion battery management by, first, utilizing more field data to play a more practical role in health feature screening and model building, and second, by enhancing the intelligent screening and combination of battery parameters to characterize the actual lithium-ion battery SOH to a greater extent. The in-depth application of NN in lithium-ion battery SOH will certainly further enhance the science, reliability, stability, and robustness of lithium-ion battery management.

Cite this article:

Nan QI, Kang YAN, Yajuan YU, Rui LI, Rong HUANG, Lai CHEN, Yuefeng SU. Machine learning and neural network supported state of health simulation and forecasting model for lithium-ion battery. Front. Energy. 2024, 18(2): 223–240

https://doi.org/10.1007/s11708-023-0891-7

Full text:

二維碼

通訊作者簡介

陳來，1989年生，北京理工大學材料學院特別研究員、博導，北京理工大學重慶創(chuàng)新中心新材料院士工作室子平臺負責人；IEEE PES儲能技術委員會（中國）儲能材料與器件技術分委會理事；入選中國科協(xié)第四屆青年人才托舉工程。主要從事鋰離子電池及其他電化學儲能材料與器件的研究，重點研究方向為研究方向為鋰離子電池用富鋰正極材料、高鎳三元正極材料、高比能鋰離子二次電池構建、新型智能電池開發(fā)等。講授本科生課程一門“材料科學與基礎C”。在相關領域期刊發(fā)表SCI論文50余篇，申請國家發(fā)明專利50項，已授權10項；在北京理工大學出版社出版專著1部，該著作入選中國工信出版集團“國之重器”出版工程。

期刊簡介

Frontiers in Energy是中國工程院院刊能源分刊，高教社Frontiers系列期刊之一。由中國工程院、上海交通大學和高等教育出版社共同主辦。翁史烈院士和倪維斗院士為名譽主編，中國工程院院士黃震、周守為、蘇義腦、彭蘇萍擔任主編。加拿大皇家科學院、加拿大工程院、中國工程院外籍院士張久俊，美國康涅狄格大學校長、教授Radenka Maric，上海交通大學教授Nicolas Alonso-Vante和巨永林擔任副主編。

Frontiers in Energy已被SCIE、Ei Compendex、CAS、Scopus、INSPEC、Google Scholar、CSCD(中國科學引文數(shù)據(jù)庫)、中國科技核心期刊等數(shù)據(jù)庫收錄。2024年海內外下載量為110余萬，截至2025年03月10日，即時Impact Factor為6.0,即時CiteScore為6.8。

Frontiers in Energy免收版面費，且對于錄用的文章提供免費語言潤色以保障出版質量。進入外審的稿件（不包括評論、新聞熱點等短文），第一輪審稿周期約30天，從審稿到錄用平均60天。

更多信息請訪問：

http://journal.hep.com.cn/fie（國內免費開放）

https://link.springer.com/journal/11708

聯(lián)系我們：

FIE@sjtu.edu.cn, (86) 21-62932006

qiaoxy@hep.com.cn, (86) 10-58556482

《前沿》系列英文學術期刊

由教育部主管、高等教育出版社主辦的《前沿》（Frontiers）系列英文學術期刊，于2006年正式創(chuàng)刊，以網(wǎng)絡版和印刷版向全球發(fā)行。系列期刊包括基礎科學、生命科學、工程技術和人文社會科學四個主題，是我國覆蓋學科最廣泛的英文學術期刊群，其中12種被SCI收錄，其他也被A&HCI、Ei、MEDLINE或相應學科國際權威檢索系統(tǒng)收錄，具有一定的國際學術影響力。系列期刊采用在線優(yōu)先出版方式，保證文章以最快速度發(fā)表。

中國學術前沿期刊網(wǎng)

http://journal.hep.com.cn