麻省理工Joule:僅需跑三圈!貝葉斯學習快速預測鋰離子電池循環壽命協議 2023年10月13日 上午9:48 ? 頭條, 干貨, 頂刊 ? 閱讀 46 影響電池效用和壽命的循環協議的優化是為電動汽車、智能手機等常見應用開發先進電池的關鍵。由于 (1) 參數空間的高維度,(2) 制造可變性高,以及 (3) 測試時間長,這種優化既昂貴又耗時。 在此,美國麻省理工學院Richard D. Braatz等人開發了數據驅動模型,通過將分層貝葉斯模型 (HBM) 方法與電池壽命早期預測模型相結合,使用僅持續3個循環的單個加速實驗測試來快速預測鋰離子電池循環協議。這種方法減少了迭代循環協議優化所需的測試時間和測試總數,即使與之前的數據驅動加速方法相比,總測試時間也減少了一個數量級。 HBM方法不僅能了解每個循環協議的壽命分布,而且能描述不同協議之間電池壽命可變性程度的抽象知識,以及協議的整體壽命分布,這使模型能夠從很少的測量中推斷新循環協議。作者采用包括29種不同快充協議的LFP/石墨電池的綜合數據集進行驗證,其中113個電池的循環壽命為 500~1200圈,將壽命終止定義為標準容量下降20%。 圖1. 基于來自不同循環協議電池的分層貝葉斯模型圖示 結果顯示,從數據子集學習后,僅HBM方法就提供了高協議預測性能。在使用新循環協議進行一次全循環壽命測試后,對于任何新循環協議壽命預測的最佳測試平均百分比誤差為5.7%,總體測試誤差為 6.5%。通過將HBM方法與電池壽命預測模型相結合,僅3次循環測試后就實現了8.8%的新循環協議壽命預測的測試誤差,比傳統測試時間減少了99% 以上。 此外,作者使用該方法針對NMC/石墨電池的數據集進行了演示,與基準單級預測方法相比,僅3次循環后協議壽命預測的準確度提高了近兩倍。 圖2. HBM預測置信度85%、90%、95%、99.5%所需要的觀測數目 Bayesian learning for rapid prediction of lithium-ion battery-cycling protocols, Joule 2021. DOI: 10.1016/j.joule.2021.10.010 原創文章,作者:科研小搬磚,如若轉載,請注明來源華算科技,注明出處:http://www.zzhhcy.com/index.php/2023/10/13/e93ed2c1be/ 電池 贊 (0) 0 生成海報 相關推薦 DFT電催化計算中如何恰當考慮溶劑效應和電場效應? 2023年12月1日 可承載高達1000000 m-1的巨大應變梯度,這種2D材料厲害了! 2023年11月30日 打造中國“芯”!他,中國科學院院士,國產碳芯片發展的領軍人,最新成果登頂Nature Electronics! 2024年6月2日 ?Nature:配體通道實現超快鋰離子傳導 2024年3月21日 ?他,刷新校史記錄,再發重磅Nature子刊! 2023年10月3日 ?東南Angew.: 調制CuO/Cu2O上Cu(0)/Cu(I)界面,增強CO2電還原為C2 2024年5月21日