首页/文章/ 详情

文献分享:机器学习助力电池安全诊断(下篇)

4月前浏览6464

(更多新能源行业资讯,尽在知乎“”小明来电,欢迎交流讨论~)

结合电池模型的机器学习

监督式机器学习

在现场应用中,电池的资质评估是确保产品质量、性能和可靠性的关键。最近一项采用决策树和支持向量机的研究表明,当基于物理的数值建模与机器学习方法相结合时,基于特征的模型可以以超过95%的准确率(电压误差<0.1 mV)将电芯分为四个安全风险级别:正常电芯、缺陷电芯、无潜在热失控的短路电芯和有潜在热失控的短路电芯,在预测前仅需5分钟的数据收集(图9)。

正如前面所强调的,异常的容量退化预示着潜在的故障风险,而即使是正常的容量退化也会带来安全问题。通常,当容量下降到初始值的80%时,由于电池系统的安全性和可靠性考虑,它被标记为EOL。因此,关于容量或循环寿命的寿命估计和预测是评估电池老化和异常检测的工具。一个突出的例子涉及早期预测模型,该模型利用正则化技术从初始电压曲线预测LFP/石墨电池的循环寿命。一个包含124个商用电池的数据集,这些电池经历了不同的快速充电条件(充电速率为4℃、6℃和8℃;4℃恒放电;稳定温度30◦C)。将其分为41个电芯的训练集,以细化模型细节和系数,以及两个测试集(43和40个电芯)来评估模型。为了扩大功能,基于领域专业知识,设计了三个模型:(a)第10次和第100次循环之间的容量差异,(b)最初100次循环放电的电压和电流数据,以及(c)进一步的温度和电阻细节。这些模型,虽然不适合物理化学老化的细节,准确地预测和分类循环寿命。具体来说,他们对前100个周期的寿命预测的测试误差为9.1%,而在仅使用5个周期按预期寿命对电芯进行分类时,测试误差为4.9%。该预测模型和数据集随后有助于快速充电协议的优化(图10a),与后续研究中的贝叶斯优化方法保持一致。

深度强化学习

为了优化电池预防性维护,深度强化学习可以用于连续状态-行为空间的预测和智能健康管理。基于Arrhenius动力学的经验模型考虑了平均荷电状态、荷电状态偏差、Ah充电容量和工作温度等变量。由于网络的近似能力和可扩展性,该智能体使用蒙特卡罗进行集后更新,使用深度神经网络进行树搜索引导,显示出熟练和一致的决策。此外,还开发了一些模型,利用基于软行为者评价深度强化学习的电热模型和基于ddpg的方法来理解多物理场电池系统。考虑热的产生和电学参数对温度的依赖关系,设计了由等效电路电学模型和热学模型组成的耦合电热模型。这些模型熟练地捕捉电池SOC,终端电压,表面和关键的核心温度,反映潜在的故障风险。此外,基于云的数据框架提供了可定制的无线门户,增强了电气和热安全性,同时减少了能量损失和老化成本,利用了对真实车辆数据的预测分析(图11)。

大数据集的机器学习

在电气化运输或固定能量存储的大规模应用中,为了提供足够的动力和能量,数千甚至数百万个电池将以串并联结构连接起来。在这种情况下,手动注释这么大的数据库是非常繁重和低效的。在电池诊断和预后中,我们面临的一个严峻的共同挑战是有限的标记数据(故障或风险)和大量未标记的时间序列数据。在这种情况下,机器学习方法在从少量带注释的样本中学习的同时,最大限度地利用大规模未整理的数据集,可能会产生更理想的结果。本节将使用三种不同的机器学习方法来关注这个任务,如图12所示。每种学习范式的特点和优点在表3中进行了简要总结。

利用未标记数据的半监督学习

半监督学习通过将稀疏的标记数据与丰富的未标记数据相结合,补充了现实世界电池挑战的解决方案。一个相关的例子是为大规模电动汽车电池组故障预测设计的混合机器学习框架(图13)。

大规模时间序列数据的自监督学习

最近Transformer网络的兴起展示了一种新的自我监督学习。这些最先进的神经网络在各个领域都表现出色,从语言表示到图像识别、音频分类和生物序列设计。它们的功效引起了时间序列界的注意。由于它们的自注意机制和位置编码,Transformer能够熟练地捕捉短序列和长序列的相互作用,使它们有望用于时间序列预测。最近,基于变压器的模型在捕捉电池内部复杂的电化学动力学和进化方面表现出了非凡的能力。具体地说,时空自关注Transformer网络,称为双向编码器表示从Transformer电池(BERTtery),已经成为一个强有力的工具。他们熟练地捕捉电池系统中的远程时空特征,利用位置和操作嵌入,结合双编码器:通道和时间(图14)。

机器学习应用于有限的注释数据

机器学习已经成为预测非线性多物理场系统演化的一种很有前途的方法。然而,相关的训练数据在机器学习建模中起着举足轻重的作用。据我们所知,目前还没有一种高效的方法可以在电池故障的情况下生成足够的、真实的高分辨率数据。因此,在小数据体系中具有良好泛化的机器学习技术更有利,并且可能有潜力实现准确预测电池健康和故障的目标。为此,本节讨论了两种策略(图15):(i)使用迁移学习或生成模型等解决少镜头问题,以及(ii)在机器学习中嵌入物理-即物理信息机器学习。

从小数据集中进行少量的学习

人类具有非凡的思考和行动能力,尤其是在信息非常少的情况下。然而,尽管深度学习在许多领域都取得了成功,但数据是机器学习技术做出预测和决策的关键输入。为了改善障碍,在过去的几年里,几次学习(通常少于5次)开始得到很多关注。从那时起,已经提出了大量的机器学习技术来解决以少量方式进行预测任务的挑战(表4),包括迁移学习,生成建模,嵌入学习和元学习。

基于物理的机器学习

PINNs在预测材料内部结构和缺陷方面显示出前景。为了解决固体力学中几何参数和材料参数不确定的几何识别问题,引入了通用的PINN框架(图16)。制定了三种材料模型的六种特定平面应变挑战,以评估PINNs破译各种未知结构(包括内部缺陷)的能力。为了反向精确定位孔隙/包裹体的几何形状,研究人员探索了不同载荷下的大量位移数据。这种基于物理的方法将力学定律与神经网络相结合,结合了诺伊曼(牵引)和狄利克雷(位移)边界条件。它允许不断更新定义孔隙/夹杂几何形状的参数。利用Adam算法进行优化,并通过迁移学习启动模型,提高了求解精度,为电池制造过程中缺陷的识别迈出了关键一步,从而提高了电池的安全性。

展望

近年来,在使用机器学习(包括深度技术)进行电池性能建模和预测方面取得了重大进展。工业4.0彻底改变了电池PHM,提高了电动汽车电池的可靠性、安全性和效率。然而,由于不确定的失效和老化机制、不同的电芯化学和不同的滥用情况,预测仍然是难以捉摸的。在现实世界的应用中,完善智能机器学习以实现更快的训练、更好的泛化和更高的预测准确性是一个持续的挑战。关键的障碍包括有限的注释数据,缺乏标准化的预测模型,以及需要连接材料,机制和观测数据的计算环境。认识到挑战的艰巨规模,了解如何利用机器智能来创新电化学系统的非破坏性评估,并在时空尺度上提高材料、电池和电池组水平的电池安全性,表明需要更多的见解。

(完结~)

小明来电⚡为你充电,我们下期再见,拜拜~

来源:小明来电
非线性化学电路通用汽车新能源化机材料电气
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-07-26
最近编辑:4月前
小明来电
硕士 新能源干货,尽在小明来电~
获赞 5粉丝 5文章 112课程 0
点赞
收藏
作者推荐

解读:美国锂电蓝图 2021-2030

(更多新能源行业干货,尽在知乎“小明来电”,欢迎交流讨论~)文末附原文下载链接背景国内外锂电池格局锂离子电池在电动汽车、消费电子产品、国防应用和电网存储等领域的需求不断增长。随着美国交通运输行业电气化程度的提高,与电动汽车相关的就业也在增加。电池的开发和生产对美国具有重要的战略意义,既是向清洁能源经济过渡的一部分,也是提高汽车工业竞争力的关键因素。通过电气化使交通运输部门脱碳将有助于应对气候变化,并建立一个以公平和公正的方式惠及所有社区的清洁能源经济。美国需迅速行动,建立有竞争力、可持续发展的电池制造业。中国和其他国家已制定战略支持垂直电池制造供应链。随着产能提高,他们将获得先发定价优势,影响美国工业竞争力。锂离子电池成本近90%下降,颠覆全球运输市场,预计2025年中国锂电池产能将达1811 GWh,支持四分之一全球电动汽车生产。商业市场对于锂离子电池,美国的商用市场包括商用和客运电动汽车、固定存储和航空。如图2所示,预计未来几年锂离子电动汽车电池需求将大幅增长。电动汽车市场对于电动汽车来说,领先的电池技术预计将是基于锂电池的,与其他现有的电池系统相比,它提供了高能量、高功率和长寿命。电动汽车是锂离子电池需求的关键驱动因素,也是概述国内锂离子电池制造需求时的主要市场焦点。虽然美国的锂离子电池制造业需要大幅扩张,以满足不断增长的国内市场的需求,但美国拥有强大的基础,可以在此基础上建立额外的制造能力。在2020年全球电动汽车锂离子电池制造747吉瓦时(图3)中,美国的产能约占8%(约59吉瓦时)到2025年,全球电动汽车电池制造预计将增长到2492吉瓦时,美国的产能预计将增长到224吉瓦时。然而,预计到2025年,仅美国乘用车年销量的需求就将超过预计的224千兆瓦时的锂离子电池制造能力。美国电池制造业评估与外国同行相比,美国通常鼓励私营部门以市场为导向的方式发展工业。有各种各样的联邦和州政策会影响电池存储系统的发展,但这些政策通常不会在各级政府之间进行协调。长期的优势,如体现在美国公司、大学和国家实验室的研发能力,可能会被薄弱的知识产权保护和技术转让政策削弱。美国政府对美国经济深度脱碳的支持和美国-墨西哥-加拿大协议(USMCA)更新的贸易结构为提高美国的竞争地位提供了机会,但美国必须在继续迅速扩大产能的中国方面取得优势。美国在全球电池制造业中的地位评估如下图(图4)所示。美国锂电池蓝图FCAB蓝图是一个全面的方法,涵盖了整个锂离子电池生态系统,重点是发展可持续的国内供应链。图5概述了当前锂电池供应链,从原材料生产到报废回收。对于供应链的每一个阶段,FCAB提出了可以采取的关键行动,以加强和促进国内绩效,同时提供公平的清洁能源制造业就业机会。目标1:确保获得原材料和精炼材料,并为商业和国防应用发现关键矿物的替代品一个强大、安全的国内锂电池工业基础,需要获得锂电池原料、精炼和加工材料的可靠供应。其目标是减少美国电池制造业对稀缺材料或不可靠合作伙伴控制的材料的依赖,以建立一个更强大、更安全的供应链。近期目标(2025年)与合作伙伴和盟友合作,在国内和国际上建立可靠的电池关键原材料来源和供应,包括关键矿物通过支持研发和采矿工作,提高美国关键电池矿物(锂、镍和钴)的安全和可持续生产能力制定联邦政策,支持建立具有弹性的国内和全球关键原材料来源和供应长期目标(2030年)通过支持加工研发工作,消除锂离子电池中的钴和镍按照目标5的承诺,将回收材料作为循环电池经济的关键组成部分目标2:支持美国材料加工基地的发展,以满足国内电池制造需求如今,美国大部分锂电池原材料的加工都依赖于国际市场。美国可以从具有成本竞争力的国内锂电池材料加工的发展和增长中受益匪浅。近期目标(2025年)为国内电池材料加工的增长创造激励措施支持材料加工创新的发展,以生产低钴/无钴活性材料并扩大规模开发改进现有材料的工艺,以降低成本和提高性能,使电池成本达到60美元/千瓦时与合作伙伴和盟友合作,支持加工材料的供应链多样化。长期目标(2030年)1. 支持材料加工创新的发展,以生产无钴和无镍活性材料,并实现规模化目标3:刺 激美国电极、电池和电池组制造业在过去的10年里,电池储能技术取得了重大进展,导致能量密度增加,电池组成本降低了约85%,到2020年将达到143美元/千瓦时。尽管取得了这些进展,但目前的电极、电池和电池组制造方法可以并且将始终受益于进一步的研发进展,从而降低成本、提高性能并支持需求增长。国内增长和电池组制造的外包将需要持续的联邦激励措施,以及对电动汽车采用的支持。需要特别注意的是确保清洁能源领域的就业机会,以及为所有美国人提供更加公平和持久的供应链。近期目标(2025年)促进新型电池设计的发展,减少处理时间,使电池组装更快,并降低化成成本投入资源,加快新技术和制造工艺的规模扩大和商业化为国防、电动汽车和电网应用开发适合功能的电池标准制定联邦政策框架,支持美国企业在国内生产电极、电池和电池组,鼓励对锂离子电池的需求增长长期目标(2030年)满足国内多源供应商的关键国防电池需求通过开发和验证下一代电池组材料、组件和设计创新,以及先进的制造和组装技术,将电动汽车电池组的制造成本降低50%目标4:在美国实现报废再利用和关键材料的大规模回收,并形成完整的竞争价值链锂离子电池的回收利用不仅减少了材料稀缺的限制,提高了环境的可持续性,而且还支持了一个更安全、更有弹性的国内供应链,这是一个循环的本质(图7)。近期目标(2025年)促进电池组的设计,便于二次使用和回收建立收集、分类、运输和处理回收锂离子电池材料的成功方法,重点是降低成本提高钴、锂、镍、石墨等关键材料的回收率开发加工技术,将这些材料重新引入供应链为二次使用的应用程序开发合适的分类、测试和平衡方法制定联邦回收政策,促进锂离子电池的收集、再利用和再循环长期目标(2030年)为实现90%的消费电子产品、电动汽车和电网储能电池的回收制定激励措施制定联邦政策,要求在电池制造材料流中使用回收材料目标5:通过大力支持科学研发、STEM教育和劳动力发展,保持和推进美国电池技术的领先地位在加速发展的电动汽车和电网储能市场中,建立一个具有竞争力和公平的国内锂电池供应链,只是全球提高性能、降低成本、减少气候影响的初始阶段。从下一代锂离子电池的新电极和电解质材料,到固态电池的进步,以及新材料、电极和电池制造方法,研发仍然是保持美国领导地位不可或缺的一部分。研发将得到强有力的知识产权保护和通过公私研发合作伙伴关系(如半导体行业建立的合作伙伴关系)将创新从实验室快速推向市场的支持。近期目标(2025年)支持研究开发无钴阴极材料和电极成分,重点关注能量密度、电化学稳定性、安全性和成本等重要指标,以优于目前的商业、进口同类产品为技术转让和应用前测试协议的标准化发展伙伴关系,以确保在美国发明的电池技术留在美国启动政府范围内的锂基电池技术和配置标准化,提高国防等利基政府市场的能力,使其能够迅速将锂基电池技术过渡到其项目中,并从一个强大、公平、可持续的国内供应链中受益制定一项计划,加强知识产权保护战略、研究安全、国内制造业出口控制政策以及国际盟友的参与与行业合作伙伴一起确定劳动力需求并支持教育项目长期目标(2030年)开发不含钴和镍的阴极材料和电极成分,提高能量密度、电化学稳定性、安全性和成本等重要指标,并优于目前的商业进口产品加速研发,实现包括固态和锂金属电池在内的革命性电池技术的示范和规模化生产,实现生产成本低于60美元/千瓦时,比能量为500 Wh/kg,并且不含钴和镍。小明来电⚡为你充电,我们下期再见,拜拜~来源:小明来电

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈