清华大学深圳国际研究生院张璇、周光敏、李阳团队在基于物理信息学习的电池衰减轨迹早期预测研究中取得新进展

文章预览

随着全球对可再生能源需求的日益增长，电池作为储能系统关键技术的地位愈发凸显。然而，电池研发过程中面临着从材料原型到商业产品转化的重重挑战，电池原型验证效率低、研发成本高以及生产废料管理不善等问题制约着电池行业的可持续发展。 在电池制造领域，传统的容量校准方法在原型验证时需耗费大量时间。同时，制造的不一致性和电池老化的多样性，使得电池原型的性能评估变得极为复杂。为此，清华大学深圳国际研究生院张璇、周光敏、李阳团队提出了一种基于物理信息学习的电池衰减轨迹早期预测方法。该方法通过计算热力学和动力学参数，并将其关联至未来状态变化，从而实现对电池整个衰减轨迹的早期预测。与传统方法相比，该方法仅利用电池原型的早期循环数据（50次循环，占总寿命4%），即可达成95.1%全寿命平均预测准 ………………………………