论文一：应用数据驱动的机器学习方法预测电池的荷电状态和健康状态

【分类】状态估计

【题目】Predicting the state of charge and health of batteries using data-driven machine learning

【作者】Man-Fai Ng, Jin Zhao, Qingyu Yan et al

【单位】Institute of High Performance Computing, Agency for Science, Technology and Research (A*STAR), Singapore, Singapore.

【下载地址】https://doi.org/10.1038/s42256-020-0156-7

【摘要】机器学习是人工智能的一种特殊应用，它允许计算机通过一系列算法从数据和经验中学习和改进，而不需要重新编程。在储能领域，机器学习最近成为一种很有前途的建模方法，用于确定电池的荷电状态、健康状态和剩余使用寿命。首先，我们回顾了在电池状态预测中研究最多的两种电池模型等效电路模型和基于物理的模型。基于这些模型目前的局限性，我们展示了各种机器学习技术在快速和准确的电池状态预测方面的前景。最后，我们强调了所涉及的主要挑战，特别是在长度和时间上的精确建模、执行原位计算和高通量数据生成方面。总的来说，这项工作为未来电池生产、管理和优化提供了实时、可解释的机器学习方法。

【推荐理由】本文机器学习在状态预测方面应用的综述文章，介绍了各种机器学习技术在快速和准确的电池状态预测方面的应用和前景，并指出了应用过程中的挑战，为未来电池生产、管理和优化提供了参考。

【关键插图】

图1：锂离子电池SOC、SOH和剩余寿命预测的机器学习方法。来自多尺度建模的仿真数据和来自高通量自动化的实验数据被输入机器学习算法，以预测SOC、SOH和RUL。预测值可以作为后续仿真或实验的指导，进一步提高预测精度。

图2：电池状态预测的机器学习方法最近的工作总结。

论文二：锂离子电池开路电压模型的比较研究

【分类】电池开路电压模型

【题目】A Comparative Study on Open Circuit Voltage Models for Lithium?ion Batteries

【作者】Quan-Qing Yu, Rui Xiong, Le-Yi Wang and Cheng Lin

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

Department of Electrical and Computer Engineering, Wayne State University, Detroit, MI 48202, USA.

【下载地址】https://doi.org/10.1186/s10033-018-0268-8

【摘要】目前电动汽车锂离子电池荷电状态在线估计的研究主要集中在采用或改进电池模型和估计滤波器上。然而，利用安培小时计数法校正SoC的各种开路电压（OCV）模型的准确性却很少受到重视。本文对18种OCV模型进行了综合比较研究，涵盖了文献中使用的大多数模型。对典型的商用LiFePO4/石墨（LFP）和LiNiMnCoO2/石墨（NMC）电池进行了小电流OCV实验，得到了不同环境温度和老化阶段的OCV-SoC曲线。从实验OCV-SoC曲线中选取OCV和SoC点，通过matlab2013曲线拟合工具箱确定各OCV模型的参数。在此基础上，得到了基于各种OCV模型的OCV-SoC曲线拟合方法。选择实验数据与拟合数据的均方根误差指标（RMSE）来评价这些OCV模型的主要特点、优点和局限性。研究了NMC和LFP电池OCV模型对环境温度、老化阶段、数据点数和SoC区域的敏感性。此外，还讨论了这些模型对SoC估计的影响。通过对OCV模型的综合比较和分析，对NMC和LFP两种小区OCV模型的选择提出了建议。

【关键词】充电状态，开路电压模型，锂离子电池，NMC，LFP

【推荐理由】电池OCV是电池的固有特性，对其描述的准确度显著影响电池建模、状态估计等方面，本文对大量OCV模型进行了比较并提出了选取建议，具有很好的参考作用。

【关键插图】

图1：不同温度和老化阶段的实验OCV-SoC曲线：a-NMC电池，b-LFP电池。

图2：25°C下不同模型的OCV-SoC曲线：全新NMC电池（模型1-9），全新NMC电池（模型10-18），全新LFP电池（模型1-9），全新LFP电池（模型10-18）。

论文三：应用可变分数阶模型表征锂离子电池的电极老化

【分类】电池分数阶模型

【题目】An indicator for the electrode aging of lithium-ion batteries using a fractional variable order model

【作者】Xin Lu, Hui Li, Ning Chen

【单位】College of Mechanical and Electronic Engineering, Nanjing Forestry University, Nanjing, 210037, China

【下载地址】https://doi.org/10.1016/j.electacta.2018.12.097

【摘要】分数阶表示为递推因子的函数，其定义了多孔电极上电荷分布的分数阶形态。电极老化使电荷分布的分形逐渐偏离原来的分形维数，分数阶模型的分数阶随电池循环次数的变化而变化。本文旨在确定分数阶与电极老化的关系，并以分数阶作为电极老化的指标。将充满电的锂离子电池的瞬时放电数据集作为分数阶模型辨识系统的输入信号，然后用最小二乘法对分数阶进行辨识。结果表明，分数阶与电池循环次数之间存在稳定的单调关系。用分数阶作为电极老化的指标，可以在不破坏电池的情况下快速评价电极的退化程度。此外，当分数阶趋于稳定时，电极寿命终止，因此，用分数阶来识别电池的持续或突然退化具有重要意义。通过美国国家航空航天局艾姆斯卓越预测中心的数据集和动态应力测试，验证了该方法的有效性。

【关键词】多孔电极；分形形态；电极老化

【推荐理由】本文为以分数阶作为电极老化的指标，确定了分数阶与电极老化的关系，可以在不破坏电池的情况下快速评价电极的退化程度，提供了应用分数阶来识别电池的持续或突然退化的思路。

【关键插图】

图1：分数阶变阶模型辨识框图。

图2：随循环次数的分数阶变化，（a）1号、2号和3号电池 （b）4号和5号电池。

图3：扫描电镜图像，（a）新石墨电极 （b）老化石墨电极。

论文四：分数阶模型在锂离子电池电压模拟中的比较研究

【分类】电池模型评价

【题目】A comparative study on fractional order models for voltage simulation of lithium ion batteries

【作者】Rui Xiong, Jinpeng Tian

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

【下载地址】https://doi.org/10.1109/VTCSpring.2019.8746351

【摘要】锂离子电池模型是电动汽车电池管理系统的重要组成部分，分数阶建模因其精度高、计算量可调而受到广泛关注。许多分数阶电池模型已被提出用于电压仿真和状态估计，但还没有比较现有分数阶模型的研究。本文对文献中用于电压仿真和状态估计的分数阶模型进行了总结和比较。在不同的温度和老化状态下进行参数辨识，然后使用不同的工况验证模型，同时对计算量进行了分析。结果表明，由阻抗谱拟合得的复杂分数阶模型并不适用于时域仿真。

【关键词】锂离子电池；分数阶模型；模型比较

【推荐理由】本文针对文献中五种不同分数阶模型，基于两种不同温度下的NMC电池数据，进行了精度和计算量的对比分析。使用DST工况对模型进行参数化，然后使用UDDS工况对其进行验证。找出了综合性能最佳的分数阶模型类型，并验证了由阻抗谱拟合得到的复杂分数阶模型不适用于时域仿真。

【关键插图】

图1：工况：a) DST工况；b) UDDS工况。

图2：五种不同类型的分数阶模型。

图3：辨识得到的RMSE值：a) NMC-1-10 °C (b) NMC-2-10 °C (c) NMC-1-25 °C (d) NMC-2-25 °C (e) NMC-1-40 °C (f) NMC-2-40 °C。

论文五：一种易于实现的监测锂离子电池老化的多点阻抗技术

【分类】电化学阻抗谱

【题目】An easy-to-implement multi-point impedance technique for monitoring aging of lithium ion batteries

【作者】Xing Zhou, Zhengqiang Pan, Xuebing Han et al.

【单位】College of System Engineering, National University of Defense Technology, Changsha, 410072, China

【下载地址】https://doi.org/10.1016/j.jpowsour.2018.11.087

【摘要】用于诊断锂离子电池的快速而信息丰富的技术需求正不断增加。传统的基于阻抗的诊断方法中完整的电化学阻抗谱测量耗时且涉及复杂的计算来提取电池信息，因此在电池监测中的应用有限。在这项研究中，我们提出了一种多点阻抗技术，三个特征频率点上进行阻抗测量，并且能够分离欧姆内阻、接触和固体电解质相间电阻，用弛豫时间分布法标定特征频率点，这种多点阻抗技术具有大规模高通量电池监测和筛选的潜力。

【关键词】锂离子电池；电动汽车；电化学阻抗谱；健康状态；电池监测和筛选

【推荐理由】本文主要介绍了一种多点阻抗技术，利用三个特征频率点进行阻抗测量，并且能够分离欧姆内阻、接触和固体电解质相间电阻，用弛豫时间分布法标定特征频率点，这种多点阻抗技术具有大规模高通量电池监测和筛选的潜力。

【关键插图】

图1： 25℃时NCM锂离子电池极化示意图。

图2：DRT法和多点阻抗法计算的极化内阻比较：（a）25℃下单体A随SOC变化的估计结果；（b）单体A的估计误差；（c）单体B、C和D在25℃下SOC为50%时的估计结果；（d）单体B、C和D的估计误差。

论文六：基于电化学阻抗谱的电动汽车锂离子电池荷电状态预测：一种机器学习方法

【分类】电化学阻抗谱

【题目】State of charge prediction of EV Li-ion batteries using EIS: A machine learning approach

【作者】Iman Babaeiyazdi, Afshin Rezaei-Zare and Shahab Shokrzadeh

【单位】Department of Electrical Engineering and Computer Science, York University, Toronto, ON, M3J 1P3, Canada

【下载地址】https://doi.org/10.1016/j.energy.2021.120116

【摘要】由于锂离子电池的复杂和非线性特性，预测电池的荷电状态(SOC)仍然是一个巨大的挑战。因此，当电池由电池管理系统(BMS)监控时，准确的SOC估计对于电池的正常运行至关重要。为此，本文利用机器学习(ML)模型中电化学阻抗谱(EIS)的测量信息，即线性回归模型和高斯过程回归(GPR)，来准确预测锂离子电池的SOC。首先对数据进行特征灵敏度分析，从EIS测量中提取最可靠的特征，即与SOC高度相关的EIS阻抗。然后模型馈入所选择的特征，这些模型旨在训练输入特征，并建立所选特征与SOC之间的映射关系。结果表明，GPR模型的误差小于3.8%。考虑到车载EIS测量的影响，这种方法可以实际嵌入到电池管理系统中以精确测量锂离子电池的SOC，并确保电池供电电动汽车的准确和有效运行。

【关键词】电动汽车；电化学阻抗谱；锂离子电池；机器学习

【推荐理由】本文主要介绍了应用机器学习方法和电化学阻抗谱测量信息来准确预测电池SOC的方法，高斯过程回归模型的误差小于3.8%。这种方法可以实际嵌入到电池管理系统中以精确测量锂离子电池的SOC，并确保电池供电电动汽车的准确和有效运行。

【关键插图】

图1：所提出的应用EIS预测电池SOC的流程图。

图2： 所提出模型在不同温度下的SOC预测结果：（a）25℃；（b）10℃；（c）-10℃；（d）-25℃。

论文七：用电化学阻抗谱表征和建模锂离子电池的老化现象：综述

【分类】电化学阻抗谱

【题目】On the use of electrochemical impedance spectroscopy to characterize and model the aging phenomena of lithium-ion batteries: a critical review

【作者】Pietro Iurilli, Claudio Brivio and Vanessa Wood

【单位】Department of Information Technology and Electrical Engineering, ETH Zürich, 8092, Zürich, Switzerland

【下载地址】https://doi.org/10.1016/j.jpowsour.2021.229860

【摘要】电化学阻抗谱(EIS)是一种强有力的非侵入性技术，用于表征锂离子电池。它的应用允许在短测试时间内识别和跟踪电池退化过程的演变。这篇综述收集了应用了EIS来表征锂离子电池的退化或开发电路模型(ECM)中的所有可获取的工作。这项工作的目的是：(i)突出不同老化试验条件对EIS的影响；(ii)找出EIS变化和潜在的退化机制之间的相关性以及(iii)列出根据老化电池EIS的所有可用的ECM方案。在对最新技术进行详尽的分析之后，本文讨论退化机理及其最可靠的建模方法之间的联系。

【关键词】锂离子；EIS；电路模型；退化；老化

【推荐理由】本篇综述主要总结了EIS表征电池老化方面的工作及相应的电路模型表示，主要介绍了不同老化试验条件对EIS的影响、EIS变化和潜在的退化机制之间的相关性以及EIS的所有可用的电路模型方案。

【关键插图】

图1：锂离子电池中常见的老化机理、模式及相应在电池上引起的衰减。

图2：锂离子电池中典型的EIS，说明了最常见的老化机理及相应的用于描述和模拟曲线各区域的相关电路元件。

论文八：电化学双层电容的老化现象I. 实验研究和老化模型

【分类】复合电源

【题目】Ageing behaviour of electrochemical double layer capacitors Part I. Experimental study and ageing model

【作者】Oliver Bohlen, Julia Kowal, Dirk Uwe Sauer

【单位】Institute for Power Electronics and Electrical Drives ISEA, RWTH Aachen University, Aachen, Germany

【下载地址】https://doi.org/10.1016/j.jpowsour.2007.07.021

【摘要】采用阻抗谱法对不同类型的市售电化学双层电容（EDLCs）进行了加速老化试验。根据这些测量结果，确定了阻抗模型的参数。讨论了EDLCs阻抗参数的特性变化，建立了EDLCs的老化模型。

【关键词】电化学双层电容器（EDLC）；超级电容器；老化；电化学阻抗谱（EIS）；健康状态（SOH）

【推荐理由】本文为研究超级电容寿命老化的实用性较高的一篇文章，结合电化学阻抗谱法，从机理层面，分析了不同实验环境以及老化循环下超级电容的内部参数如孔隙率等的变化趋势。相应内容关联当前热门的新能源寿命衰退研究，对需要从机理及内部演变机制入手了解超级电容老化的同学而言具有较高的参考价值。

【关键插图】

图1：A型EDLC老化过程中的阻抗谱，试验条件：65℃，2.7 V。

图2：A型EDLC老化加速老化试验中的模型参数。

论文九：日历寿命和循环老化对超级电容性能的影响

【分类】超级电容老化

【题目】Impact of Calendar Life and Cycling Ageing on Supercapacitor Performance

【作者】El Hassane El Brouji, Olivier Briat, Jean-Michel Vinassa, Nicolas Bertrand, and Eric Woirgard

【单位】Laboratoire d’Intégration du Matériau au Système, Université de Bordeaux, 33405 Talence Cedex, France

【下载地址】http://dx.doi.org/10.1109/TVT.2009.2028431

【摘要】超级电容器通常是基于多孔活性炭电极储存静电电荷。碳电极理论上是化学和电化学惰性的，并且静电性质的电荷储存机制是高度可逆的，这些特性使超级电容器理论上有无限的寿命。但在实际中，超级电容器仅使用几个月便表现出性能衰退。本文探究超级电容器在两种加速测试中的性能衰退。一是日历寿命测试，评价超级电容在超压和高温条件下静置时的性能衰退。二是功率循环测试，模拟超级电容在复合电源系统中作为峰值功率源时的功率退化。文中，我们使用阻抗模型来监测超级电容行为的变化。这种解析阻抗模型不仅考虑物理量，如双层电容、比表面积和电导率，还考虑电极分散。在不同温度和电压条件下，我们利用被测超级电容的初始状态，在频域对该模型进行了验证。在此基础上，本文详述了两种老化试验方法，并利用阻抗谱对老化试验过程中的阻抗变化进行了周期性表征。结果表明，在两种老化试验中，阻抗实部均呈增大趋势，电容均呈减小趋势，但变化方式不同。在日历寿命试验中阻抗实部的形状保持不变，而在功率循环试验中不能保持。这种差异可以从阻抗模型参数的演变来解释。本文证实了两种老化试验对超级电容性能的影响有显著差异。

【关键词】电化学设备；电极；储能；阻抗；可靠性建模

【推荐理由】本文对超级电容进行日历老化和功率循环老化测试，并建立机理模型来描述超级电容阻抗谱。使用不同温度和电压下的测试数据验证了所建模型的正确性。本文对超级电容的建模过程进行了较为详细的描述，有助于了解电容器的工作原理和老化机理。

【关键插图】

图1：多孔电极的等效电路模型 (a)多孔电极截面 (b)多孔截面分布模型。

图2：模型参数随电压和温度的变化。(a)集流体电阻Rs (b)电解液电阻Rel (c)电容C (d)1000γ，γ用于表征孔径分散程度。这四个参数是本文所建模型的表征参数，用于描述超级电容阻抗谱。

论文十：锂离子电池热失控的关键特性及过渡过程

【分类】电池热失控

【题目】The critical characteristics and transition process of lithium-ion battery thermal runaway

【作者】Peifeng Huang，Caixia Yao，Binbin Mao，et al

【单位】State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body, Hunan University, Changsha, 410082, PR China

State Key Laboratory of Fire Science, University of Science and Technology of China, Hefei, 230026, China

【下载地址】https://doi.org/10.1016/j.energy.2020.119082

【摘要】锂离子电池的热失控是电动汽车和储能系统领域中备受关注的问题。本文综合研究了不同荷电状态(SOC)下电池热失控的特性，包括自加速分解温度、电压变化、温升和成分转变。在145~205℃的温箱中测试了从0%到100%的5种SOC下的锂离子电池。对热行为的响应表明，环境条件可以分为安全、临界和危险区域。当SOC从0%增加到100%时，临界区域下限降低约40℃。在热失控的过渡过程中，正极材料逐渐降解为小颗粒，最后变成粉末状的金属氧化物，并且负极表面的无机化合物变不均匀。通过热流实验和改进的托马斯模型，预测了电池在0%，25%，50%，75%和100% SOC下的临界温度，分别为212℃、220℃、179℃、164℃和183℃。预测结果接近于用温箱试验划分的临界区域。

【关键词】锂离子电池安全；关键特征；托马斯模型；荷电状态；热失控

【推荐理由】该论文从实验和理论两方面研究了热失控临界温度与荷电状态以及电池热失控过渡过程的关系，利用X射线衍射仪（XRD）和扫描电子显微镜（SEM）对从正常状态过渡到热失控过程中材料结构和成分的转变进行了深入表征，并利用修正过的热着火模型对热失控临界温度进行了预测，预测结果反映的SOC对热失控临界区域的影响与测试结果相似。

【关键插图】

图1：在145℃、165℃、185℃和205℃环境温度下，不同SOC电池的温度随时间的变化。(a) 0% SOC电池;(b) 25% SOC电池;(c) 50% SOC电池;(d) 75% SOC电池;(e) 100% SOC电池。

图2：在温箱测试后对50% SOC电池中的电极材料进行扫描电镜测试的结果。(a)阴极电极，(b)阳极电极。