DOI Link:
https://doi.org/10.26599/NRE.2024.9120147
Googlescholar:
https://scholar.google.com/citations?user=fowsoyEAAAAJ&hl=en&oi=sra
ScienceDirect:
https://www.scopus.com/authid/detail.uri?authorId=57204882292
UniversityWeb:
https://sites.google.com/view/changminshi/home
3. 收录日期
1. 科学问题
高效预测锂离子电池热失控过程中热量输出的变异性，以提升电池设计的可靠性和安全性。
2. 研究成果
2.1 热失控（TR）及其重要性
1. 问题背景
锂离子电池（Li-ion）的可靠性对于电动汽车和便携式电子设备等应用至关重要。
热失控（TR）是电池在失效时释放大量热量的现象，可传播至邻近电池，导致灾难性故障。
2. 研究意义
理解TR过程中电池的热量输出对设计更可靠的储能系统至关重要。
2.2 热量输出的变异性及传统方法的局限性
1. 热量输出的影响因素
电池特性、循环历史和滥用条件显著影响TR时的热量输出。
即使在相同条件下测试，电池的热行为差异也很大。
2. 传统方法的局限性
常规表征方法（如分段热失控量热计）耗时耗力，难以快速评估新电池设计。
2.3 转移学习方法的突破性应用
1. 数据来源与处理
数据来自Battery Failure Databank（包含350+次试验数据），包括总热量输出、分段热量输出及质量喷射数据。
使用100% SOC的商用电池，并保留离群值，热量输出以电池容量（Ah）归一化。
2. 模型与评估方法
使用基线回归、支持向量机（SVM）及梯度增强树（XGBoost）模型进行预测。
SVM模型表现出最高准确性及最低不确定性，被选用于评估标准TR行为及离群值。
2.4 重要特性及影响量化（Fig. 1(a)）
1. SHAP值分析
(1) 实验备注
顶部通风口和底部破裂对总热量输出的影响较大。
(2) 电池规格
电池容量和顶部通风口是关键影响因素。
(3) 实验测量
电池主体的后测质量及负极喷射质量对热量输出影响显著。
(4) 电池类型
除LG 18650-MJ1外，其他类型对热量输出影响较小。
2.5 模型性能比较（Fig. 1(b)）
1. 预测准确性
不同电池类型间，总热量输出、正极、负极及电池主体热量输出的RMSE表现差异显著。
最差总热量输出RMSE（LG 18650-MJ1）为2.2 kJ/Ah，约为最佳（KULR 18650-K330）的两倍。
2. 负极热量输出
负极热量输出的最差与最佳RMSE差异超过十倍，负极热量与喷射质量的关系显著变化。
2.6 热量输出与喷射质量相关性分析（Fig. 1(c)）
1. 相关性分析
总热量输出与总喷射质量几乎无相关性，但电池主体及负极热量与其分段喷射质量相关性强。
随着更多样本加入训练数据，SVM模型对热量输出分布的均值和方差学习效果提高。
2.7 方法局限性及未来研究方向
1. 数据集范围局限
数据主要针对Li-Ni-Mn-Co-O或Li-Ni-Co-Al-O正极及石墨负极材料的18,650和21,700圆柱电池。
对其他电池化学成分、形状及状态的适用性有待研究。
2. 其他重要参数
TR起始温度及材料热稳定性是关键参数，需探索机器学习技术在这些方面的应用。
3. 触发机制影响
不同触发机制对质量损失、排气持续时间、气体量及最大电池表面温度的影响需进一步研究。
4. 重要结论
热失控预测的新方法
研究提出了一种基于转移学习的方法，利用Battery Failure Databank数据，准确预测锂离子电池热失控（TR）时的热量输出变异性，大幅减少实验需求。
模型性能优越性
支持向量机（SVM）模型在预测总热量输出及分段热量输出方面表现最佳，尤其对TR行为离群值的预测准确性最高。
未来研究方向
当前方法局限于特定数据集，需扩展至其他电池化学体系及形状，同时探索更多与热稳定性相关的参数与触发机制的影响。
PDF
