论文标题：Machine learning and neural network supported state of health simulation and forecasting model for lithium-ion battery

期刊：Frontiers in Energy

作者：Nan QI, Kang YAN, Yajuan YU, Rui LI, Rong HUANG, Lai CHEN, Yuefeng SU

发表时间：15 Apr 2024

DOI：10.1007/s11708-023-0891-7

微信链接：点击此处阅读微信文章

文章内容

目前，全球都在努力应对能源危机和环境问题，人们对可再生能源的关注度越来越高。锂离子电池具有高能量密度、循环寿命长、低污染等特点，已被广泛应用于动力电池领域。为了确保电池的高效安全运行，提高锂离子电池系统的使用寿命，预测电池的剩余寿命和评估电池的健康状况（SOH）至关重要。传统的电池健康评估方法虽然很有价值，但往往缺乏电池运行的动态性和复杂性所需的精确性和适应性。人工智能和ML的整合提供了一种解决方案，即提供先进的数据驱动技术来预测电池寿命和性能。

由北京理工大学陈来博士研究团队撰写的综述文章回顾了人工智能方法在锂离子电池健康管理中的价值，特别分析了人工智能众多分支之一的机器学习（ML）在锂离子电池健康状态（SOH）中的应用，重点介绍了神经网络（NN）方法在锂离子电池SOH模拟和预测中的优势和长处。

图1 AI、ML、NN和深度学习之间的关系

目前的研究表明，利用 NN 建立锂离子电池 SOH 模型具有效率高、能耗低、鲁棒性强、模型可扩展等优点。未来，NN 可以为锂离子电池管理做出更大的贡献，一是利用更多的现场数据，在健康特征筛选和模型建立方面发挥更实际的作用；二是加强电池参数的智能筛选和组合，更大程度地表征实际的锂离子电池 SOH。

NN 在锂离子电池 SOH 中的深入应用必将进一步提高锂离子电池管理的科学性、可靠性、稳定性和鲁棒性。

文章信息

Machine learning and neural network supported state of health simulation and forecasting model for lithium-ion battery

Nan QI, Kang YAN, Yajuan YU, Rui LI, Rong HUANG, Lai CHEN*, Yuefeng SU

Abstract:

As the intersection of disciplines deepens, the field of battery modeling is increasingly employing various artificial intelligence (AI) approaches to improve the efficiency of battery management and enhance the stability and reliability of battery operation. This paper reviews the value of AI methods in lithium-ion battery health management and in particular analyses the application of machine learning (ML), one of the many branches of AI, to lithium-ion battery state of health (SOH), focusing on the advantages and strengths of neural network (NN) methods in ML for lithium-ion battery SOH simulation and prediction. NN is one of the important branches of ML, in which the application of NNs such as backpropagation NN, convolutional NN, and long short-term memory NN in SOH estimation of lithium-ion batteries has received wide attention. Reports so far have shown that the utilization of NN to model the SOH of lithium-ion batteries has the advantages of high efficiency, low energy consumption, high robustness, and scalable models. In the future, NN can make a greater contribution to lithium-ion battery management by, first, utilizing more field data to play a more practical role in health feature screening and model building, and second, by enhancing the intelligent screening and combination of battery parameters to characterize the actual lithium-ion battery SOH to a greater extent. The in-depth application of NN in lithium-ion battery SOH will certainly further enhance the science, reliability, stability, and robustness of lithium-ion battery management.

Cite this article:

Nan QI, Kang YAN, Yajuan YU, Rui LI, Rong HUANG, Lai CHEN, Yuefeng SU. Machine learning and neural network supported state of health simulation and forecasting model for lithium-ion battery. Front. Energy. 2024, 18(2): 223–240

https://doi.org/10.1007/s11708-023-0891-7

Full text:

二维码

通讯作者简介

陈来，1989年生，北京理工大学材料学院特别研究员、博导，北京理工大学重庆创新中心新材料院士工作室子平台负责人；IEEE PES储能技术委员会（中国）储能材料与器件技术分委会理事；入选中国科协第四届青年人才托举工程。主要从事锂离子电池及其他电化学储能材料与器件的研究，重点研究方向为研究方向为锂离子电池用富锂正极材料、高镍三元正极材料、高比能锂离子二次电池构建、新型智能电池开发等。讲授本科生课程一门“材料科学与基础C”。在相关领域期刊发表SCI论文50余篇，申请国家发明专利50项，已授权10项；在北京理工大学出版社出版专著1部，该著作入选中国工信出版集团“国之重器”出版工程。

期刊简介

Frontiers in Energy是中国工程院院刊能源分刊，高教社Frontiers系列期刊之一。由中国工程院、上海交通大学和高等教育出版社共同主办。翁史烈院士和倪维斗院士为名誉主编，中国工程院院士黄震、周守为、苏义脑、彭苏萍担任主编。加拿大皇家科学院、加拿大工程院、中国工程院外籍院士张久俊，美国康涅狄格大学校长、教授Radenka Maric，上海交通大学教授Nicolas Alonso-Vante和巨永林担任副主编。

Frontiers in Energy已被SCIE、Ei Compendex、CAS、Scopus、INSPEC、Google Scholar、CSCD(中国科学引文数据库)、中国科技核心期刊等数据库收录。2024年海内外下载量为110余万，截至2025年03月10日，即时Impact Factor为6.0,即时CiteScore为6.8。

Frontiers in Energy免收版面费，且对于录用的文章提供免费语言润色以保障出版质量。进入外审的稿件（不包括评论、新闻热点等短文），第一轮审稿周期约30天，从审稿到录用平均60天。

更多信息请访问：

http://journal.hep.com.cn/fie（国内免费开放）

https://link.springer.com/journal/11708

联系我们：

FIE@sjtu.edu.cn, (86) 21-62932006

qiaoxy@hep.com.cn, (86) 10-58556482

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn