论文一：锂金属电池失效机理快速诊断及寿命预测

【分类】电池快充老化

【题目】Fast Diagnosis of Failure Mechanisms and Lifetime Prediction of Li Metal Batteries

【作者】Gao, Ningshengjie; Abboud, Alexander W; Mattei, Gerard S; Li, Zhuo; Corrao, Adam A; Fang, Chengcheng; Liaw, Boryann; Meng, Ying Shirley; Khalifah, Peter G; Dufek, Eric J; Li, Bin

【单位】Energy Storage & Advanced Transportation Department, Idaho National Laboratory, Idaho Falls, ID 83415, USA

【下载地址】https://doi.org/10.1002/smtd.202000807

【摘要】锂（Li）金属作为负极，在可充电锂电池中具有提升现有水平两倍或三倍的储能潜力。然而，由于锂金属和电解质之间的副反应，它们的循环寿命通常较短。为了保证快速发展，迫切需要针对不同的失效机制开发早期故障检测方法和快速寿命预测方法。先前确定主要失效机制的努力通常需要破坏性的电池拆解。在这项研究中，基于静态电压和库仑效率的无损诊断方法可以很容易地区分不同的失效机制，包括锂离子损失、电解液耗尽和电池阻抗增加，这些都被实验和建模所深刻理解和验证。利用这一新的诊断方法，可以通过相应的无负极电池的测试，快速预测锂电池的最大寿命，这对于电解质筛选、稳定负极、操作条件优化和电池的合理设计具有重要意义。

【关键词】锂离子电池；快充；老化

【推荐理由】本文从实验设计角度提出了一种新的电池老化诊断思路。

【关键插图】

图1 (A)正极SOC、负极（锂金属和无负极）和电解质量在锂离子损失(LLI)、电解液干涸(ED)和电池阻抗增长(ICI)期间的假设变化示意图;(B)使用静置电压和库伦效率(CE)快速诊断故障机制。

论文二：不同材料的商用锂离子电池的日历老化综述

【分类】电池日历寿命

【题目】Calendar aging of commercial Li-ion cells of different chemistries –A review

【作者】Matthieu Dubarry, Nan Qin and Paul Brooker

【单位】Hawai-i Natural Energy Institute, SOEST, University of Hawai-i at Manoa, 1680 East-West Road, POST 109, Honolulu, HI 96822, USA

【下载地址】https://doi.org/10.1016/j.coelec.2018.05.023

【摘要】在过去的二十年里，人们进行了大量的实验和建模工作来获取和预测锂离子电池在日历老化条件下的预期寿命。老化研究是时间密集型的，而且通常只集中在一个或两个电池体系和一些老化条件。因此，它们不能提供对整个温度范围和荷电状态的完整理解。本文综述了近二十年来锂离子日历老化研究的概况。这是第一次在这个规模上对不同体系的商用锂离子电池进行定量和比较分析。本文的研究成果可以用来填补当前和今后锂离子电池研究中的空白。

【关键词】锂离子电池；快充；日历寿命

【推荐理由】本文综述了电池体系、SOC、温度等因素对电池日历寿命的影响。

【关键插图】

图1 日历老化过程中，不同电池体系的容量衰退速率。背景曲面表示每个数据集的局部加权散点平滑。数字代表参考文献编号

论文三：预测电池老化轨迹的模型迁移神经网络

【分类】老化轨迹预测

【题目】Model Migration Neural Network for Predicting Battery Aging Trajectories

【作者】Xiaopeng Tang, Kailong Liu, et al.

【单位】Hong Kong Univ Sci & Technol, Dept Chem & Biol Engn, Hong Kong, Peoples R China

【下载地址】https://doi.org/10.1109/TTE.2020.2979547

【摘要】准确预测电池的未来老化是缓解用户对电池寿命和电动汽车续航里程焦虑的关键。这方面的技术挑战来自于电池老化的高度非线性动力学。本文提出了一种预测电池老化轨迹的前馈迁移神经网络。具体地说，首先从已有的电池老化数据集建立描述容量随时间衰减的基本模型。然后利用输入-输出斜率和偏差校正（SBC）方法对基本模型进行变换，以捕捉目标电池的老化。为了提高模型的非线性传递能力，本文将SBC模型进一步集成到一个四层神经网络中，并通过梯度相关算法进行训练。文章采用了四种不同的商用电池进行了实验验证。当仅使用前30%的老化轨迹进行神经网络训练时，预测的均方根误差均小于2.5%。此外，计算结果表明，一个小规模的前馈神经网络（低至1-5-5-1）足以预测电池老化轨迹。

【关键词】电池；老化；轨迹；退化；人工神经网络；预测模型；老化轨迹预测；电动汽车；锂离子电池管理；模型迁移；神经网络（NN）

【推荐理由】本文为动力电池容量衰退轨迹预测领域中比较新鲜的一篇文章，插图清晰，可以帮助读者快速了解关于动力电池剩余寿命预测研究的迁移考虑，还可以帮助理解前馈神经网络的改进应用案例。

【关键插图】

图1 使用前馈神经网络结构的基于SBC的模型迁移示意图

图2 所提迁移前馈神经网络的框架

图3 当使用30%的数据进行训练时，预测的老化轨迹 (a)SONYVTC6电池;(b)FST2500电池;(c)FST2000电池;(d)NASA电池

论文四：通过端到端深度学习快速预测锂离子电池的剩余使用寿命

【分类】剩余使用寿命预测

【题目】Towards the swift prediction of the remaining useful life of lithium-ion batteries with end-to-end deep learning

【作者】Joonki Hong, Dongheon Lee, Eui-Rim Jeong, YungYia*

【单位】1. KAIST, Daehakro 291, Daejeon, South Korea2. Hanbat University, Dongseo-daero 125, Daejeon, South Korea

【下载地址】https://doi.org/10.1016/j.apenergy.2020.115646

【摘要】本文提出了第一个完整的端到端深度学习框架，用于快速预测锂离子电池剩余使用寿命。虽然锂离子电池具有高效率和低成本的优点，但其不稳定性和寿命的变化仍然是挑战。为了防止锂离子电池突然失效，研究人员致力于开发预测锂离子电池剩余使用寿命的方法，尤其是使用数据驱动的方法。在这项研究中，我们通过考虑原始数据中的时间模式和交叉数据相关性（尤其是端电压，电流和电池温度），寻求更高的周期间老化分辨率，以进行更快，更准确的预测。我们采用不确定性度量、特征t-SNE和各种电池相关任务对深度学习模型进行了深入分析。所提出的框架显著提高了剩余使用寿命预测（快25倍），平均绝对误差率为10.6%。

【关键词】锂离子电池；剩余寿命；端到端深度学习；膨胀卷积神经网络；预测不确定性

【推荐理由】本文采用端到端的深度学习框架快速预测动力电池的剩余寿命，是一篇较为新颖文章，可以帮助读者了解关于动力电池剩余寿命预测研究的新思路，还可以帮助理解深度神经网络的改进及其扩展应用的过程。

【关键插图】

图1 通过深度学习提出的端到端RUL预测框架。在这里，端到端意味着原始数据用于目标预测。神经网络获取端电压、电流和电池温度的时间序列数据，用于预测锂离子电池的RUL和预测的不确定性

图2 所提的基于CNN的膨胀神经网络架构

图3 针对训练、验证和测试数据集的膨胀CNN预测结果。每个数据点都来自截取的2500秒时间序列数据。实线表示完美预测。所提出的神经网络用于训练、验证和测试的错误率分别为5%、12%和7%

论文五：基于阻抗的锂离子电池老化诊断：基于多输出相关向量回归法的物理参数辨识

【分类】电池老化诊断方法

【题目】Impedance-Based diagnosis of lithium ion batteries: Identification of physical parameters using multi-output relevance vector regression

【作者】XingZhou, JunHuang*

【单位】Hunan Provincial Key Laboratory of Chemical Power Sources, College of Chemistry and Chemical Engineering, Central South University, Changsha 410083, PR China

【下载地址】https://doi.org/10.1016/j.est.2020.101629

【摘要】随着锂离子电池在电力运输和储能中应用日益广泛，对锂离子电池筛选和老化监测都提出了更高的要求，因此对锂离子电池进行有效的老化诊断是十分必要的。目前，锂离子电池老化诊断的指标为集总性能指标，包括容量、内阻和电压变化等。本文将电化学阻抗谱（EIS）与机器学习技术相结合，提出一种基于数据驱动的电池老化断方法。通过重新定义灵敏度，对电池EIS数据进行了系统的参数敏感度分析，确定了可由阻抗数据可靠辨识的理化参数。然后，利用多输出相关向量回归法确定EIS数据中所选理化参数的期望值和置信区间。用蒙特卡罗模拟方法对锂离子电池筛选和老化监测的具体案例进行了验证，并进一步讨论了该方法在实际应用中的注意事项。

【关键词】锂离子电池；电池诊断；EIS；理化参数

【推荐理由】目前电池老化诊断的指标多为容量、电压等集总参数，虽然容易实现，但是准确性和可靠性往往有限。针对这一问题，本文开发了一种基于物化参数的电池老化诊断方法，将EIS和机器学习算法相结合实现电池物化参数的无模型辨识。相较于传统的基于等效电路模型、分数阶模型等的参数辨识，无模型的物化参数辨识避免了复杂的模型建立，并在通用性上有了很大的改善，

【关键插图】

图1 (A)高频范围和(B)低频范围内每个物化参数的NID平均值。NID为归一化阻抗距离，是一个无量纲参数，NID越大，表明EIS数据对该参数更敏感。注意到在高频和低频范围内，参数灵敏度有较大差异

图2 (A)孔隙率Ee、固相扩散系数De和液相扩散系数Ds；（B）孔隙率Ee，SEI膜阻抗Rsei、电荷转移阻抗Rct的估计值与真实（预设）值的比较

论文六：电池寿命预测

【分类】电池寿命预测

【题目】Battery Lifetime Prognostics

【作者】Xiaosong Hu, Le Xu, Xianke Lin, Michael Pecht

【单位】State Key Laboratory of Mechanical Transmissions, Department of Automotive Engineering, Chongqing University, Chongqing, China

【下载地址】https://doi.org/10.1016/j.joule.2019.11.018

【摘要】锂离子电池退化一直是热点问题。其中电池的降解过程涉及到负极、正极和电解液等多个电化学副反应而成为难点之一。电池寿命对其老化操作条件较敏感。在多种操作条件下，准确预测剩余电池寿命可以确保电池管理系统的可靠运，同时这对于电池第二寿命也固然重要。本文在介绍退化机制之后对电池寿命预测方法进行了全面的回顾，重点关注基于模型、数据驱动和混合方法的最新进展。并对这些方法的优缺点和运用范围分别进行介绍，分析和比较。最后提出电池寿命预测的未来趋势和挑战。

【关键词】锂离子电池；循环寿命预测

【推荐理由】本文为锂离子电池循环寿命预测综述领域中高被引文章。与已有文献相比，新加入混合方法的寿命预测技术，提出最新的公开数据集(NASA、Maryland、Stanford、Oxford)，同时对已有电池寿命预测文献进行全面准确的分类，对各类方法的优缺点和运用范围分别进行全面的介绍，分析和比较。

【关键插图】

图1 经验模型与数据驱动模型的预测方法选择

图2 基于数据驱动的寿命预测方法四种结构

图3 基于数据驱动的寿命预测方法比较

论文七：不同包装样式的大型锂离子电池在过充电期间的热失控行为

【分类】电池热失控

【题目】Thermal runaway behavior during overcharge for large-format Lithium-ion batteries with di?erent packaging patterns

【作者】Lvwei Huang, Zhaosheng Zhang, Zhenpo Wang, Lei Zhang, Xiaoqing Zhu David D. Dorrell

【单位】National Engineering Laboratory for Electric Vehicles, School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China

Collaborative Innovation Center of Electric Vehicles in Beijing, Beijing Institute of Technology, Beijing 100081, China

【下载地址】https://doi.org/10.1016/j.est.2019.100811

【摘要】锂离子电池是电动汽车的主要储能单元。防止热失控对于确保这些电池的安全运行至关重要。不同的电池封装方式会影响过充电过程中锂离子电池的热失控行为。在本文中，具有相同容量和化学性质的棱柱形和袋状锂离子电池用于实验研究过充电期间的内部故障机理和相关的外部特性。根据电压和温度曲线，整个过充电过程分为烟气阶段。结果表明，与阶段I至III中的棱柱形电池相比，袋式电池具有更好的热性能和过充电耐受性。但是，棱柱形电池具有更好的热失控缓冲特性，较小的变形和较长的预警时间。这是由于使用了安全阀，该安全阀会导致因热失控而引起的损坏。它们的最大表面温度差异随过充电过程线性增加，直到发生热失控并迅速上升到最高温度点为止。这些结果提供了对电池系统安全性和热管理设计的深入了解

【关键词】电池安全；不同包装的电池；过充；热失控

【推荐理由】本文比较的结果有助于更好地理解由过充电引起的热失控过程中不同包装方法的电池单体的内部和外部特性，这可以为读者对不同电池单体的电池的过充行为有更完整的认识。

【关键插图】

图1 1 C电流过充电期间电池单元的热失控行为的热红外图像

论文八：老化对锂离子电池热失控行为的影响比较研究

【分类】电池热失控

【题目】A comparative investigation of aging effects on thermal runaway behavior of lithium-ion batteries

【作者】Dongsheng Ren, Hungjen Hsu, Ruihe Li, Xuning Feng et al.

【单位】State Key Laboratory of Automotive Safety and Energy, Tsinghua University, Beijing, 100084, China

【下载地址】https://doi.org/10.1016/j.etran.2019.100034

【摘要】热失控是锂离子电池大规模应用的主要关注点。锂离子电池的热失控性能不仅取决于材料和电池设计，而且会随着退化而变化。本文对大型锂离子电池的老化对热失控行为的影响进行了比较研究。电池在四个不同的老化路径下会首先退化。然后，通过比较新鲜和降解电极的电化学性能，形态和组成，通过对电池寿命终止后的事后分析研究老化机理。还使用差示扫描量热法评估新鲜电极和降解电极的热稳定性。使用加速量热法对处于不同健康状态的电池进行了绝热热失控测试，以揭示四种降解路径下电池热失控性能的演变。最后，总结了老化机理与电池热失控行为变化之间的相关性。结果表明，阳极t电解质热力学系统的热稳定性表现出明显的变化，这有助于电池热失控性能的演变，而阴极的热稳定性保持不变。事实证明，镀锂是老化过程中电池热失控性能下降的主要原因。

【关键词】锂电池；电池安全；热失控；电池老化；析锂

【推荐理由】本文开展了大量的实验工作，并总结了老化机理与热失控行为变化之间的相关性，为科研人员对热失控与老化的结合研究提供了大量的可参考实验结果与结论。

【关键插图】

图1 副反应对电池降级模式和TR性能变化的影响的摘要

论文九：没有内短路的锂离子电池热失控

【分类】电池安全

【题目】Thermal Runaway of Lithium-Ion Batteries without Internal Short Circuit.

【作者】Xiang Liu, Dongsheng Ren, Xuning Feng, Minggao Ouyang, et al.

【单位】1.State Key Laboratory of Automotive Safety and Energy, Tsinghua University, Beijing 100084, China

【下载地址】https://doi.org/10.1016/j.joule.2018.06.015

【摘要】随着便携式设备和电动汽车的爆炸式增长，迫切需要更高能量密度和更安全性的锂离子电池。锂离子电池最严重的失效模式是热失控，虽然热失控只是偶尔发生，但它对电池用户和附近的人是一个严重的威胁。本文首次报道了无内部短路的热失控背后的机理。在电池测试中使用了PET /陶瓷无纺隔膜，以排除产生焦耳热的内部短路。测试结果表明，阴极和阳极之间的化学串扰是触发热失控的隐藏机制，在此过程中阴极释放的氧被阳极消耗，热释放率为87.8 W/g。研究结果有助于理解高能量密度LIBs中复杂的热失控机制，并对锂离子电池未来的设计有帮助。

【推荐理由】本文从锂离子电池的电池性能和原材料性质出发，研究了其热失控机制。此研究发现氧气在正负极之间的传输会导致锂离子电池即使不发生内短路的情况下仍然会发生热失控，此发现对锂离子电池热失控机理的研究有着重要应用， 同时对于锂离子电池组的设计以避免热失控非常重要。

【关键插图】

图1 带电阴极材料的相变，发热和氧释放(A)在选定的2θ范围内和25℃至500℃的温度下的时间分辨XRD图的等高线图;(B)通过DSC和TGA-MS系统测定的在不同温度下的原位发热和氧释放

图2 带电阴极和阳极之间的化学串扰(A)单独带电的阴极显示出强的氧释放峰，而阴极/阳极的混合物实际上不释放氧，但在相同的温度范围内具有强烈的发热增强;(B)阴极和阳极之间提出的化学串扰过程的说明

论文十：基于恒定极化电压的锂离子电池快速低温内部加热策略

【分类】电池加热

【题目】A rapid low-temperature internal heating strategy with optimal frequency based on constant polarization voltage for lithium-ion batteries

【作者】H Ruan，J Jiang，B Sun，W Zhang，W Gao，LY Wang，Z Ma

【单位】北京交通大学国家有源配电网技术研究中心；中国北京电动汽车合作创新中心

【下载地址】https://doi.org/10.1016/j.apenergy.2016.05.151

【摘要】本文基于电热耦合模型，通过使电池加热过程中的极化电压恒定，在缩短加热时间和降低电池寿命衰减之间取得了较好的平衡。同时，确定了在一定温度下最大发热率的最佳频率，该频率不同于最小总阻抗的频率。在加热时间和效率方面，变频加热与恒频加热效果几乎相同，然而变频技术的工程实现难度较大，说明恒频加热是更有利的选择。加热过程中的最佳频率总是低于初始温度时的频率，从中间温度计算得到的计算量很小。实验结果表明，最佳频率下的加热时间最短、效率较高、有最大生热量。电池能在338秒内从?15.4℃加热到5.6℃，平均温升率为3.73℃/min，温度分布基本均匀。本文所提出的加热策略经验证，对电池的健康没有明显的不利影响，对于快速提高电动汽车在寒冷天气下的运行性能具有一定潜力。

【关键词】锂离子电池；低温；恒定极化电压；最佳频率；内部加热

【推荐理由】本文利用电流幅值逐渐增大的交流加热曲线，证实随着电池温度的升高，调整幅值比调整频率更有利于加热过程。基于电热耦合模型，本文得出能达到最大生热量的最佳频率是1377 Hz，略低于其最小阻抗频率。频率优化过程使用了一个简单的模型，只需要电池整体数据而不需要参考电极的数据。利用恒定极化电压作为边界条件，进行高频交流电加热电池。实验表明电池温度可以在338秒内从-15℃升至5.6℃。此外，该研究在经过30次重复的内部加热测试后电池没有显著的容量衰减。

【关键插图】

图1 本文的内部加热实验方案及策略

图2 保持SAPV振幅恒定的加热控制电路

图3 在最佳频率下加热过程中的温度演变和误差分布