北京航空航天大学杨世春教授团队：用于故障诊断的电池多尺度建模方法综述

文章题目：用于故障诊断的电池多尺度建模方法综述

作者团队：北京航空航天大学杨世春教授团队

通信作者：Xinhua Liu: liuxinhua19@buaa.edu.cn

引用词条：Yang, S., Cheng, H., Wang, M. et al. Multi-scale Battery Modeling Method for Fault Diagnosis. Automot. Innov. (2022). https://doi.org/10.1007/s42154-022-00197-x

全文速览

随着锂离子电池的大规模应用，电池的安全性也引起了越来越多的关注。锂离子电池的故障诊断是提高电池储能系统性能和安全性的关键。然而，由于精度诊断算法存在局限性，而且不同故障的特征十分相似，要实现高效的锂离子电池故障诊断仍具挑战性。基于模型的电池故障诊断方法由于其速度快、开发效率高的优点，已广泛用于锂离子电池系统的降解机理分析、状态估计和寿命预测。本文从微观到宏观的视角对电池诊断的主流建模方法进行综述，并展望了未来电池智能网联的应用前景。

主要研究内容：

1. 电池的老化机理非常复杂，各种因素相互关联，先对电池的衰退机理和影响老化速度的外部因素进行了综述。

Table 1 Lithium-ion battery aging patterns and the effects

Fig. 1 Various degradation mechanisims inside LIB

2. 总结了从微观到宏观尺度的不同建模方法，包括密度泛函理论/分子动力学(DFT/MD)，X射线计算机断层成像技术(XCT)，电化学模型，等效电路模型，分布式模型和神经网络算法。讨论了这些模型方法在不同应用场景下对电池进行故障检测和诊断的优势和劣势，并分析了不同模型方法的特点和未来发展方向。

表2 多尺度模型方法及其特点

• 如何有效评估电池内部参数以及参数在电池老化过程中的演变；

• 如何控制电池生产过程中的细微差别，避免使电池老化/即将退役时的性能存在较大差别；

• 如何开发出一致的参数化方法，更好地建立智能电池系统；

• 如何实现高效的数据存储和数据库管理；

• 如何开发一个物理数据双驱动的混合模型，以实现更高的检测精度。

目前，在电极材料的微尺度设计、厚电极的开发、各种状态估计和寿命预测方面已经展开了大量研究。然而，材料合成、表征、电化学性能和安全性的多尺度设计和制造过程仍然缺乏理论基础和指导。需要一个更系统的框架来整合整个操作过程，以促进下一代电池的数字化管理。

（以上内容为编辑部整理，仅供参考。）

阅读原文