新闻资讯

通过科学和创新,我们帮助各行各业的客户满足当今和未来社会发展的需求。

基于物理模型+数据驱动的分析方法来检测电池的安全性

  清华大学 材料科学与工程博士 弗雷刘   2019-11-22 次浏览

文章来源:清华大学 材料科学与工程博士 弗雷刘

本文是清华大学冯旭宁老师组与MIT、Northvolt等单位合作编写的,介绍了数据驱动的机器学习与电池安全物理模型可以怎样结合。这次的文章与之前的读文献系列不太一样,本文其实是电池安全物理机理与数据驱动/机器学习领域的一篇跨界文,大家可以体验一下数据/计算的领域如何与电池安全领域将有怎样融合的趋势,未来行业发展的方向可能是什么样子的。

基于物理模型+数据驱动的分析方法来检测电池的安全性

目前大家都知道,电动汽车的电池使用其实都会产生大量的信息,而随着新能源汽车信息监控机制和平台的建立,对于数据的管理日趋完善,而如何利用好这些数据来更好的为我们的电池安全服务就成为了一个核心问题。刘博在去年11月于无锡由蜂巢能源举办的电池安全会中就发现,越来越多的企业已经提出了基于数据分析+云平台监控的电池安全监控和分析的工作方向。可以说对于电池安全这一核心问题来说,从数据分析侧来做工作的需求和发展趋势已经越来越明显。

但是实际上,虽然目前针对电池安全的一般的实验设计、机理分析的工作非常多,设计更安全的电池包和寻找应对措施仍是重点。而作为一种新兴事物,基于电池运行数据分析的线上和线下诊断-预警技术的数据分析研究诊断预警技术其实仍然处于一个比较早期的阶段,既是新兴的希望之星挑战也很大

那么,挑战主要在哪些方面呢?主要有:1. 电池是一个非常复杂的非线性系统,甚至两节完全一样的电芯有可能在受到相同的机械/热/电的影响后发生不同的应对反应;2. 我们可以基于机器学习的算法来预测锂电这样的非线性系统的行为,但是要训练和验证这个系统并不容易,常常需要大量的数据;3. 而且目前很多模型/研究方法常常只能单纯的基于数据的机器学习来分析数据,其实并没有更多考虑底层的物理机理因素。

所以把数据分析与物理机理结合好,这就是未来研究和发展的主要方向。接下来我们看一下应该如何思考和应对这几方面的挑战。

有缺陷电芯很少:样本量有限导致的参考数据量的局限性

大家实际上知道:目前电芯生产都在奔着更好的质量控制,更低的失效机率而去,所以以概率来论,实际上电芯失效的机率是很小的,但是这就带来了一个问题:所以这样基于数据来诊断挑选出可能要失效的电芯实际上是难上加难——你可能需要很多电芯才能找到一只两只有问题的,才能找到这种“典型”的问题对象,把它的数据纳入数据库,作为一个典型的参考点。

这样的话一大核心问题就在于:数据不够。尤其是对于研究机构来说,它们常常不可能拥有大量的电芯来跑数据,找不良的电芯。当然这一点对于电芯企业和车企要好些,他们的数据则要丰富的多。

失效事件有时具有一定的随机性:其实对这方面有一定研究后,大家可能会有点痛苦的发现:电芯的各种失效常常是有点随机的玄学事件,比如想要预测内短路常常很难用决定/确定性的模型来实现。(参考文献:刘博带你读文献(5):大电芯的热失控研究&部分热失控现象发生的略玄学属性)

但是无论如此,基于有限的资源和努力的探索工作,也已经有了不少研究机构基于手头的资源开始进行了一些工作,比如可以基于在线监测电芯行为来预测剩余有用寿命Remaining Useful Lfe (RUL)的模型。在最近,NREL 和NASA搞了一个开源的Battery Failure Databank的数据库。这些工作都可以供大家参考,来了解目前这一领域已经发展到了一个什么程度。(Li, Y., Liu, K., Foley, A.M., Zu¨ lke, A., Berecibar, M., Nanini-Maury, E., Van Mierlo, J., and

Hoster, H.E. (2019). Data-driven health estimation and lifetime prediction of lithiumion batteries: a review. Renew. Sustain. Energy Rev. 113, 109254. Hu, X., Xu, L., Lin, X., and Pecht, M. (2020).

Battery lifetime prognostics. Joule 4, 310–346)

实验优化:引入那些低发生概率缺陷的情景,研究并获得数据

对于我们来说,需要得到有缺陷的电芯才能获得它们的特征数据,而这样的数据就需要我们刻意的制备出具有某种缺陷的电芯来获得,所以设计好实验来获得这种具有可控可变可研究的缺陷的电芯就非常有意义。

l 比如在制造一些典型缺陷:极耳没有对齐,焊接毛刺刺穿隔膜,隔膜力学性能的逐渐的崩溃,这些都可以在实验室中通过刻意制造条件来得到具有类似效果的样品。

l 比如制造具有内短路可能性,可以调节的电芯,可以用以下的方法:图1b中,我们可以用一个专门造的电芯来模拟图1a中毛刺缺陷的情景:蜡加热融化(之后正负极短路接触)、记忆合金植入(变形直接导致正负极短路接触)都可以导致类似于像刚才说的毛刺刺入的缺陷开始发生

这两种方法都很方便研究者定量调整反应的程度,从而为设计操控实验,获得不同等级/程度的数据做支撑。

基于物理模型+数据驱动的分析方法来检测电池的安全性

当然对于各种缺陷情景,都可以相应的设计处获得的思路:比如高温下/应力等不利条件下循环电芯让隔膜处于一个更容易失效的临界状态,本文在此也没有一一列举所有的制备缺陷的方法,只是把这种思考和解决问题的方式告诉了大家。

但是毕竟对于电池行业来说,电芯-电芯之间的差异性总之存在的,这导致了实际失效情况实际是很复杂的——失效发生的概率、机理和严重度可能都会产生一定的个例(CASE BY CASE)性。所以单独靠这些模拟性的实验当然可以获得一些特征的信息和数据,但是只靠这些偏向于电学方面的数据还不足以支撑我们使用数据来诊断预判事故发生的期望。那怎么办呢?需要从更多维度来监控电池,考虑更多种的信号,与这些信号代表的物理意义做好结合。

把电/热/声/机械维度的信息都收集越来用于分析判断,物理机理与信息数据模型的结合非常重要

如上所述,其实目前的电池安全的基于数据驱动的预测方法大都只用了电化学方面的数据,而对热、声、机械方面的数据就没咋用。可以看到了物理模型和数据分析的脱节性,所以这就要求:

l 一方面需要在建立模型的时候开始考虑这些维度的数据和机理;

l 另一方面还要在电芯研究表征方面,更多的利用OPERANDO原位的测量各类参数,如下图所示。

基于物理模型+数据驱动的分析方法来检测电池的安全性

那么接下来看一下这四大类表征方法/信号信息种类:

。基本的直接读出的电压/电流/电量等信息当然是基础,但是明显只能应对典型的一般情况。想要获得更进一步的深层次信息:就要用一些基于电压/电量的微分的方法。比如正弦波激发的有不同频率下信息的EIS谱(了解内阻情况-进而了解不同典型机理的贡献量-甚至可以侧面了解老化失效机理),另外一个是Distribution of relaxation times (DRT)以及random forest (RF) classifier approach等方法。在此就是给大家简单介绍一下,如果对针对相应方面有细致需求的读者可以直接从参考文献找到详细内容,在此就不展开了。

机械。电芯应力和应变的情况对于电芯失效来说是非常关键的核心信息,可以使用原位的应力测试的手段来获得这些数据。严重的膨胀常常对应于电解液干涸-电芯刚度增加-析锂- -体积膨胀。薄膜应变片 (thin-film gauge)可以使用。在这里我想首先推荐大家回去看一下《刘博带你读文献(6)探测热失控的不同传感器对比》,可以对目前典型传感器的情况有一个基本的了解。

声学。声学探测手段比如acoustic time-of-flight analysis就已经用在估计SOH了,也有文献介绍了用其来研究电解液润湿/随着循环老化干涸情况的文献。笔者打算之后专门看一下这方面的工作来看是不是单独介绍这一块的前沿情况。(Davies, G., Knehr, K.W., Van Tassell, B.,Hodson, T., Biswas, S., Hsieh, A.G., and Steingart, D.A. (2017). State of charge and stateof health estimation using electrochemical acoustic time of flight analysis. J. Electrochem. Soc. 164, A2746–A2755. Knehr, K.W., Hodson, T., Bommier, C., Davies., G., Kim, A., and Steingart, D.A. (2018). Understanding full-cell evolution and nonchemical electrode crosstalk of Li-Ion batteries. Joule 2, 1146–1159)

热学。热方面的信息其实能提示很多:内阻的变化,放热的反应,内短路的生成,等等。当然此时的问题在于:尽量测试电芯内部温度变化最为准确,尽量要非破坏非侵入式的获取这个数据。在这里笔者可能想点评几句:对于单电芯来说以上的这些研究期望的愿景都没问题/可以小规模实现,但是对于大规模量产的汽车用电芯来说,想要原位给每节电芯装入内测温传感器基本没有什么可能性,工业上有时获得的数据注定相对有限/粗糙,所以传感器的发展也还是任重道远呢。包括其它的传感器,实际工业中应用空间够不够,成本上是不是划的来,都是要在工程化中认真考虑的前提。

版权与免责声明 广州市绿原环保材料有限公司声明:本站内容及图片均由系统采集于网络,涉及的言论、版权与本站无关。如发现内容或图片存在版权问题,烦请提供相关信息发邮件至yeah_w@qq.com,我们将及时沟通与处理。
Top