物質(zhì)科學(xué) Physical science
2021年6月16日,北京理工大學(xué)孫逢春院士團(tuán)隊(duì)在Cell Press旗下期刊Joule發(fā)表了題為“Deep neural network battery charging curve prediction using 30 points collected in 10 min”的研究論文。該研究提出了一種應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的充電曲線估計(jì)方法,為智能化
電池管理的研發(fā)奠定了基礎(chǔ)。
近年來(lái),電池被廣泛用作便攜式電子設(shè)備、儲(chǔ)能系統(tǒng)和新能源汽車(chē)等眾多領(lǐng)域的核心能源材料器件,電池的實(shí)時(shí)健康監(jiān)測(cè)和老化狀態(tài)管控也逐漸成為用戶(hù)關(guān)注的焦點(diǎn)。雖然目前已經(jīng)有許多關(guān)于電池最大可用容量實(shí)時(shí)估計(jì)的研究工作,但僅關(guān)注最大可用容量往往無(wú)法及時(shí)、全面地認(rèn)識(shí)電池老化的實(shí)際情況,進(jìn)而導(dǎo)致電池管理、維護(hù)的疏忽誤判,留下安全隱患。
北京理工大學(xué)孫逢春院士團(tuán)隊(duì)先進(jìn)儲(chǔ)能科學(xué)與應(yīng)用課題組創(chuàng)新性地提出了一種應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的充電曲線估計(jì)方法,通過(guò)使用少量充電數(shù)據(jù)片段作為深度神經(jīng)網(wǎng)絡(luò)的輸入,實(shí)現(xiàn)了電池老化過(guò)程中的完整恒流充電曲線估計(jì),不再止步于最大可用容量的估計(jì),打破了傳統(tǒng)電池健康監(jiān)測(cè)的局限性。文章中案例使用不到10分鐘內(nèi)采集的30個(gè)數(shù)據(jù)點(diǎn)便可準(zhǔn)確估計(jì)完整的恒流充電曲線。由于恒流充電是電池日常工作中的相對(duì)穩(wěn)定工況,恒流充電曲線估計(jì)可以進(jìn)一步確定電池最大可用容量/能量、剩余容量/能量、容量微分曲線等關(guān)鍵狀態(tài)。
電池老化測(cè)試硬件昂貴、耗時(shí)長(zhǎng),導(dǎo)致管理算法開(kāi)發(fā)具有較高的人力時(shí)間成本。作為電池管理核心算法,文章所提出的方法具有遷移學(xué)習(xí)的優(yōu)勢(shì),僅需要少量訓(xùn)練數(shù)據(jù)便可快速適用于不同規(guī)格的電池和不同應(yīng)用場(chǎng)景,并且能夠保持良好的充電曲線估計(jì)效果,有效降低了算法開(kāi)發(fā)的試驗(yàn)測(cè)試需求,縮短了開(kāi)發(fā)用時(shí)。這項(xiàng)研究工作為智能化電池管理的研發(fā)奠定了基礎(chǔ)。
作者專(zhuān)訪
Cell Press細(xì)胞出版社公眾號(hào)特別邀請(qǐng)北京理工大學(xué)孫逢春院士團(tuán)隊(duì)接受了專(zhuān)訪,請(qǐng)他圍繞該研究進(jìn)行進(jìn)一步詳細(xì)解讀。
CellPress:DNN的算法適用于哪些電池?有沒(méi)有不適用的評(píng)估體系?為什么?
孫逢春院士團(tuán)隊(duì):DNN是一種數(shù)據(jù)驅(qū)動(dòng)的方法,該方法僅需要片段電池充電數(shù)據(jù)作為輸入,便可輸出完整的充電曲線。充電曲線可以用于評(píng)估電池老化軌跡和性能衰退過(guò)程,由于是一種應(yīng)用數(shù)據(jù)驅(qū)動(dòng)的方法,本質(zhì)上不受限于電池材料、體系和類(lèi)型,具有非常好的普適性。
CellPress:這種預(yù)測(cè)模型的深度學(xué)習(xí)性體現(xiàn)在哪些方面?
孫逢春院士團(tuán)隊(duì):本文所使用的深度神經(jīng)網(wǎng)絡(luò)采用了一系列經(jīng)典的卷積層、最大池化層、密集連接層等以實(shí)現(xiàn)從端對(duì)端的估計(jì)效果,是指直接使用未經(jīng)特征提取的數(shù)據(jù)作為網(wǎng)絡(luò)的輸入即可達(dá)到滿(mǎn)意的估計(jì)效果。同時(shí),模型能夠靈活地實(shí)現(xiàn)對(duì)向量的估計(jì),因此可處理完整充電曲線的估計(jì)問(wèn)題。此外,本文還探索了深度神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)性質(zhì),預(yù)訓(xùn)練的網(wǎng)絡(luò)能夠經(jīng)過(guò)微調(diào)適應(yīng)不同的電池?cái)?shù)據(jù)。
CellPress:該模型對(duì)于分析電池老化機(jī)制有哪些作用?
孫逢春院士團(tuán)隊(duì):該模型從數(shù)據(jù)片段入手實(shí)現(xiàn)完整充電曲線的重構(gòu),因此相比于對(duì)最大容量的估計(jì),可以為電池老化機(jī)制分析提供更多有用的信息。例如,可以結(jié)合容量增量法、差分電壓法等利用曲線變化觀察峰、谷的變化實(shí)現(xiàn)電池老化機(jī)制的量化。
另一方面,如果從電池老化機(jī)制出發(fā)進(jìn)行回歸問(wèn)題的設(shè)計(jì)或者網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化,有望實(shí)現(xiàn)電池老化知識(shí)與數(shù)據(jù)驅(qū)動(dòng)算法的融合,實(shí)現(xiàn)更可靠的電池老化機(jī)理分析以及關(guān)鍵狀態(tài)提取,這也是后續(xù)探索的一個(gè)方向。
CellPress:該研究對(duì)于電池產(chǎn)業(yè)的發(fā)展有哪些幫助?應(yīng)用于產(chǎn)業(yè)化還有多遠(yuǎn)?
孫逢春院士團(tuán)隊(duì):該研究有望應(yīng)用于電池健康評(píng)估以及全壽命區(qū)間內(nèi)電量、能量等關(guān)鍵狀態(tài)估計(jì)等方面。目前深度學(xué)習(xí)已滲透到日常生活各個(gè)方面,例如機(jī)器翻譯、自動(dòng)駕駛等。深度學(xué)習(xí)算法與電池管理問(wèn)題的碰撞也對(duì)電池管理系統(tǒng)的開(kāi)發(fā)帶來(lái)了一些全新的思路。近年來(lái),“云電池管理系統(tǒng)”、“電池?cái)?shù)字孿生”等先進(jìn)理念在行業(yè)內(nèi)的逐步推動(dòng)也為本文方法的落地應(yīng)用提供了契機(jī)。后續(xù)我們將推動(dòng)深度學(xué)習(xí)算法在電池管理產(chǎn)業(yè)中的應(yīng)用。
(責(zé)任編輯:子蕊)