【综述】基于人工智能的电池制造和管理

2022 年 8 月 23 日 专知

文章导读

加速交付可靠的基于电池的能源存储技术不仅有助于交通电气化、智能电网等脱碳应用，还可以极大促进电池供应链发展。然而电池会不可避免地随着时间的推移而老化，从而失去存储电荷和有效输送电荷的能力。这将直接影响到电池的安全性和效率，亟需相应的电池健康管控策略。自动化技术的快速进展引起了人们对基于人工智能（AI）解决方案的兴趣，以从电池制造和管理的角度提升电池使用寿命。

IEEE/CAA Journal of Automatica Sinica 2022年第7期发表成果：K. L. Liu, Z. B. Wei, C. H. Zhang, Y. L. Shang, R. Teodorescu, and Q.-L. Han, “Towards long lifetime battery: AI-based manufacturing and management,” IEEE/CAA J. Autom. Sinica, vol. 9, no. 7, pp. 1139–1165, Jul. 2022. doi: 10.1109/JAS.2022.105599 总结和系统化整理了长寿面电池背景下基于AI技术的电池制造和管理主要解决方案，构建了一个整体视图从六个不同视角分析文献中促进长寿命电池发展的AI应用。这六个视角包括电池制造、智能电池、健康状态估计、老化预测、可控模型建立和电池充电。基于分析结果，指出了该领域存在的一些挑战和潜在提升策略。有助于研究者了解可行的AI技术，以在不同技术水平上实现具有健康意识的电池制造、管控和优化。

文章概述

电池寿命往往受到包括制造、操作和环境条件等多重因素的相互作用。一方面，作为涉及多个连续或不连续阶段的高度复杂过程，电池制造显著影响着中间产物的质量，进而决定着最终电池产品的性能（例如容量、阻抗、首次循环损耗等）。电池初始健康性能的提升很大程度上依赖于其制造管理策略的发展，以增加活性材料的电极体积比和厚度。此外，为了满足消费者日益增长的需求，具备高产量和低成本的电池制造技术格外引人注目，为此需要对电池生产线整体进行全面探索和优化。同时，具有数十或数百量级的电池制造参数呈现出强耦合状态，为此需要对制造参数特性和相互依赖关系进行深入分析。

另一方面，电池操作在决定电池使用寿命方面起着更直接的作用。制造后的电池会以不同的模式工作以供应或吸收电能，迫切需要各种相应的管控策略来确保工作电池的效率与安全性。具体而言，可靠的电池运行管理首先依赖于各种新兴传感技术对电池基本参数（如电流、电压、温度等常规参数，以及瑕疵、压力等新信息）进行实时测量。之后，为了确保对电池健康状态的可靠监测，电池当前的健康信息（SOH）以及电池未来的健康状态（如老化轨迹、剩余使用寿命）需要被实时估计预测。根据获得的电池健康信息，可以设计各种可靠的充电、能量管控策略来延长电池寿命。

本文概述了有助于电池制造和管理以实现长寿命电池发展的AI工具，并讨论了它们的相应优缺点与挑战。具体而言，涵盖以下主题：

1）对于电池制造，在介绍了电池生产的基础知识后，讨论了基于AI的电池制造数据分析框架和相应的AI工具，以实现有利于电池初始健康性能提升的智能制造。

2）对于智能电池，对监测电池数据的多维传感技术进行了回顾。进一步讨论了将自监控智能电池集成到未来可重构的长寿命电池系统中的可行性。

3) 对于电池寿命诊断，回顾了基于AI的经典电池SOH状态估计和老化轨迹预测解决方案，并讨论了它们的优点和局限性。

4）针对电池寿命的提升，对各种可控电池模型、具备健康意识的电池充电方案与相应的AI技术进行了调查讨论。

5) 总结了当前文献的研究空白，并从电池制造和管理的角度提出了各方面面临的挑战和一些潜在建议，以促进电池管控领域未来基于AI的研究。

研究方法