西交大將AI用于電池建模和健康管理,成功打造物理信息神經(jīng)網(wǎng)絡(luò)

發(fā)布日期:2024-07-09  來源:DeepTech深科技

核心提示:近日,西安交通大學(xué)助理教授趙志斌團(tuán)隊(duì)將物理模型和深度神經(jīng)網(wǎng)絡(luò)加以結(jié)合,提出一種名為物理信息神經(jīng)網(wǎng)絡(luò)(PINN,Physics-inform
近日,西安交通大學(xué)助理教授趙志斌團(tuán)隊(duì)將物理模型和深度神經(jīng)網(wǎng)絡(luò)加以結(jié)合,提出一種名為“物理信息神經(jīng)網(wǎng)絡(luò)”(PINN,Physics-informed neural network)的 AI 算法,并將其用于電池建模、以及電池健康狀況預(yù)測。


課題組還開源了相關(guān)數(shù)據(jù)集和完整代碼(https://zenodo.org/records/10963339)。

此外,通過結(jié)合其他三個(gè)來自不同電池制造商的數(shù)據(jù)集,他們針對 387 個(gè)電池的數(shù)據(jù),在 310705 個(gè)樣本上進(jìn)行驗(yàn)證,由此得出的平均絕對百分比誤差為 0.87%。

為了驗(yàn)證本次方法,該團(tuán)隊(duì)通過開展電池退化實(shí)驗(yàn),生成了一個(gè)由 55 個(gè)鎳鈷錳酸鋰電池組成的綜合數(shù)據(jù)集,并針對 6 種工況加以模擬。

實(shí)驗(yàn)結(jié)果顯示:在不同化學(xué)成分的電池?cái)?shù)據(jù)集上,本次提出的物理信息神經(jīng)網(wǎng)絡(luò)均具備適用性。

能夠適應(yīng)不同類型的電池和不同的使用場景,有望促進(jìn)電池健康管理系統(tǒng)的開發(fā)。

具體應(yīng)用可能包括:

其一,用于電動汽車。

提高電池壽命預(yù)測和電池壽命管理系統(tǒng)的準(zhǔn)確性,優(yōu)化電動汽車的電池使用策略和電池維護(hù)策略。

其二,用于航空航天。

提高衛(wèi)星和無人機(jī)的電池管理系統(tǒng),確保任務(wù)的可靠性和安全性,減少由于電池故障導(dǎo)致的任務(wù)失敗。

其三,用于便攜式電子設(shè)備。

優(yōu)化手機(jī)、筆記本電腦等設(shè)備的電池管理,提高用戶體驗(yàn)和使用壽命。

其四,用于儲能系統(tǒng)。

在大規(guī)模的儲能系統(tǒng)中,優(yōu)化電池健康狀態(tài)的監(jiān)測和管理,確保能源系統(tǒng)穩(wěn)定、高效地運(yùn)行。



“AI+ 電池”研究,如何“有上加優(yōu)”?

近年來,鋰離子電池的使用量以驚人的速度增長,幾乎滲透到社會生活的各個(gè)角落。

鋰離子電池憑借其能量密度高、自放電率低、使用壽命長等優(yōu)點(diǎn),已成為各種便攜式電子設(shè)備、電動汽車、航空航天等眾多領(lǐng)域的主要儲能器件。

然而,鋰電池的大規(guī)模應(yīng)用也帶來了一系列新的挑戰(zhàn)和問題,特別是在安全性、可靠性和環(huán)保方面。因此,對鋰電池進(jìn)行退化建模和健康管理變得尤為重要。

在航空航天領(lǐng)域,作為衛(wèi)星、無人機(jī)等高科技設(shè)備的重要能源供給,鋰離子電池扮演著至關(guān)重要的角色。

這些設(shè)備對于電池的可靠性和穩(wěn)定性有著極高要求,一旦電池出現(xiàn)問題,可能會導(dǎo)致任務(wù)失敗,甚至造成巨大的經(jīng)濟(jì)損失和嚴(yán)重的安全隱患。

而通過對鋰電池進(jìn)行精細(xì)的退化建模和健康管理,就能提前發(fā)現(xiàn)潛在的故障,確保設(shè)備在復(fù)雜環(huán)境下的正常運(yùn)行。

與此同時(shí),該課題組發(fā)現(xiàn)關(guān)于物理信息神經(jīng)網(wǎng)絡(luò)在電池建模和電池評估的研究,已經(jīng)初步嶄露頭角。

但是,盡管近年來一些期刊發(fā)表了大量有關(guān)電池健康管理的論文。然而,這些論文中所設(shè)計(jì)的健康管理方法,主要針對特定的數(shù)據(jù)集。

一旦更換一個(gè)數(shù)據(jù)集,論文所提出的方法可能就會失效。也就是說大多數(shù)已發(fā)表的論文,停留在利用物理知識來預(yù)處理數(shù)據(jù)的階段,沒有實(shí)現(xiàn)物理模型和神經(jīng)網(wǎng)絡(luò)的深度融合。

另一方面,他們發(fā)現(xiàn)基于傳統(tǒng)深度學(xué)習(xí)的“健康狀況”(SOH,state-of-health)估計(jì)法,存在較大的預(yù)測誤差波動性,導(dǎo)致模型精度在很大程度上取決于數(shù)據(jù)質(zhì)量。



“一師一生”,從零開始

最近幾年,趙志斌團(tuán)隊(duì)主要研究重大裝備的智能運(yùn)維和健康管理,主要研究對象是各種大型機(jī)械設(shè)備。

事實(shí)上,也是在一次偶然的機(jī)會里,讓趙志斌接觸到電池健康管理這一領(lǐng)域。

“展開來講,這次研究的萌芽是這樣的:之前我所在的大團(tuán)隊(duì),針對某型號的衛(wèi)星電池健康狀態(tài)開展了一個(gè)項(xiàng)目。后來,我們產(chǎn)生了研究鋰電池健康狀態(tài)的想法,并把這一任務(wù)分配給博士生王福金。”趙志斌表示。

當(dāng)時(shí),王福金還是一名剛?cè)雽W(xué)不久的碩士生,在趙志斌團(tuán)隊(duì)沒有任何相關(guān)研究基礎(chǔ)的條件下,對于本次課題王福金也曾感到無從下手。

而且,當(dāng)時(shí)組里只有趙志斌和王福金這樣“一師一生”的人員模式,一切都得從零開始。

后來,通過大量閱讀文獻(xiàn)、到其他高校調(diào)研學(xué)習(xí)、與企業(yè)交流等方法,以及隨著“衛(wèi)星電池健康狀態(tài)項(xiàng)目”的逐漸開展,課題組逐漸具備了研究鋰電池健康管理的條件。


隨后,他們先是收集了大量的電池退化數(shù)據(jù)。

高質(zhì)量的數(shù)據(jù),是模型訓(xùn)練和模型驗(yàn)證的基礎(chǔ)。為此,他們通過多種途徑來獲取數(shù)據(jù),包括實(shí)驗(yàn)室測試、調(diào)用公開數(shù)據(jù)集、與企業(yè)合作獲取實(shí)際使用數(shù)據(jù)等。

在對數(shù)據(jù)進(jìn)行分析之后,提取出來具有普適性的統(tǒng)計(jì)特征,并探索不同特征對于電池健康狀態(tài)預(yù)測的影響。

為了設(shè)計(jì)一個(gè)更加普適的特征集,該團(tuán)隊(duì)分析了大量的電池退化數(shù)據(jù),最終總結(jié)出一套通用的統(tǒng)計(jì)特征。

在充分理解數(shù)據(jù)特征之后,結(jié)合物理模型的嚴(yán)謹(jǐn)性和神經(jīng)網(wǎng)絡(luò)的靈活性,他們提出了物理信息神經(jīng)網(wǎng)絡(luò)這一 AI 算法。

對于模型的設(shè)計(jì)和開發(fā)來說,需要考慮到多個(gè)因素:包括物理模型的選擇、神經(jīng)網(wǎng)絡(luò)架構(gòu)的設(shè)計(jì)、損失函數(shù)的優(yōu)化、以及訓(xùn)練時(shí)的超參數(shù)調(diào)優(yōu)。

通過開展大量的實(shí)驗(yàn),模型結(jié)構(gòu)逐漸變得完善,預(yù)測精度和穩(wěn)定性也有所提高。

為了驗(yàn)證物理信息神經(jīng)網(wǎng)絡(luò)模型的有效性,在多個(gè)包含不同化學(xué)成分和不同使用條件的電池?cái)?shù)據(jù)集上,課題組又開展了新的實(shí)驗(yàn)。

實(shí)驗(yàn)結(jié)果表明:在電池的健康狀態(tài)預(yù)測上,物理信息神經(jīng)網(wǎng)絡(luò)模型不僅表現(xiàn)出色,而且明顯優(yōu)于傳統(tǒng)的深度學(xué)習(xí)方法、以及單純的物理模型。

特別是,在遷移學(xué)習(xí)的幫助之下,即便在不同的數(shù)據(jù)集上,模型均表現(xiàn)出較強(qiáng)的普適性和魯棒性。

考慮到電化學(xué)方程的復(fù)雜性,該團(tuán)隊(duì)從電池退化經(jīng)驗(yàn)方程和狀態(tài)空間視角出發(fā),提出了電池退化經(jīng)驗(yàn)?zāi)P?,并利用物理信息神?jīng)網(wǎng)絡(luò)來捕捉電池的降解動態(tài)。

而為了應(yīng)對不同的電池類型、使用場景和充放電協(xié)議,課題組設(shè)計(jì)出一種通用特征提取方法,以便從電池完全充電前的短時(shí)間數(shù)據(jù)中提取特征。

針對特征數(shù)據(jù)進(jìn)行分析之后,他們發(fā)現(xiàn)所提取的特征與電池健康狀態(tài)之間的相關(guān)系數(shù),主要與電池的化學(xué)成分有關(guān),受到充放電方案的影響反而較小。


未來新方向:研究 AI 賦能的重大裝備智能運(yùn)維和健康管理

隨后,他們開始撰寫論文并投稿。日前,相關(guān)論文以《基于物理信息的神經(jīng)網(wǎng)絡(luò)用于鋰離子電池退化穩(wěn)定建模和預(yù)測》(Physics-informed neural network for lithium-ion battery degradation stable modeling and prognosis)為題發(fā)在 Nature Communications[1]。

西安交通大學(xué)博士生王福金和副研究員翟智是共同一作,西安交通大學(xué)趙志斌助理教授和陳雪峰教授擔(dān)任共同通訊作者。


目前,趙志斌將自己小組的研究方向定為:AI 賦能的重大裝備智能運(yùn)維和健康管理。

時(shí)至今日,該團(tuán)隊(duì)已有兩名博士生和三名碩士生在研究這一方向,亦有積累了一定科研經(jīng)驗(yàn)的本科生成員在研究這一方向。

“目前,他們已經(jīng)產(chǎn)出了多篇高水平論文。”趙志斌表示。

未來,該課題組會繼續(xù)沿著“物理+數(shù)據(jù)”的雙驅(qū)方向,開展電池健康管理的研究,并將主要探索航天器和垂直起降飛行器上的鋰電池健康管理。

 
 
[ 頻道搜索 ]  [ 加入收藏 ]  [ 告訴好友 ]  [ 打印本文 ]  [ 違規(guī)舉報(bào) ]  [ 關(guān)閉窗口 ]

 


網(wǎng)站首頁 | 關(guān)于我們 | 聯(lián)系方式 | 使用協(xié)議 | 版權(quán)隱私 | 網(wǎng)站地圖 | 排名推廣 | 廣告服務(wù) | 網(wǎng)站留言 | RSS訂閱 | 滬ICP備16055099號-3

充電樁網(wǎng) 版權(quán)所有 © 2016-2018 咨詢熱線:021-6117 0511  郵箱:sina@heliexpo.cn 在線溝通:

本網(wǎng)中文域名:充電樁網(wǎng).本站網(wǎng)絡(luò)實(shí)名:充電樁網(wǎng)-最專業(yè)的充電樁行業(yè)信息網(wǎng)站