HAWKER蓄电池集成无创老化诊断与双向长短期记忆网络实现钠离子电池健康状态精准预测

本研讨以NFM层状氧化物正极与硬碳负极构成的商用26,700型钠离子电池为研讨对象，探究其老化机制与健康状况（SOH）评价办法。经过增量容量剖析与混合脉冲功率特性表征等非侵入式确诊手法，体系剖析了不同放电倍率下的电池退化行为。根据充放电曲线提取出五项与退化相关的健康目标，并选用主成分剖析法消除特征冗余，完成目标降维。随后使用主成分构建双向长短期回忆（BiLSTM）模型以完成准确的健康状况（SOH）猜测。结果表明，较高放电速率会加速容量衰减与内阻增加，并随同电极老化加重。与传统长短期回忆网络和门控循环单元模型相比，所提出的BiLSTM模型在不同工况下均展现出更优的猜测精度与鲁棒性。本研讨构建了一个交融退化机理剖析与数据驱动健康状况估量的集成框架，为钠离子电池的牢靠健康监测供给了实践指导。

引言

跟着全球气候变化加重与化石燃料资源枯竭，向低碳可再生能源体系转型已成为全球一致。风电、光伏等间歇性可再生能源的快速部署，催生了对大规划、安全且经济高效的储能技能的空前需求，以确保电网稳定性和牢靠性[1][2][3]。在各类使用场景中，储能范畴被视为电池技能的未来首要商场及可再生能源并网的要害驱动力[4]。其整体部署规划预计将在装机容量方面远超电动汽车范畴。
锂离子电池（LIBs）凭仗其较高的能量密度和成熟的工业生态体系，已广泛使用于消费电子和电动汽车范畴[5][6]。然而，锂资源分布不均且储量有限，需求的持续增加对其长时间资源安全与成本稳定性构成了重大应战[7][8][9]。
相比之下，钠离子电池（SIBs）在储能使用中展现出更明显的优势。由于钠资源储量丰富且分布广泛，SIBs在成本效益与可持续性方面具有明显优势[10][11]。虽然现在SIBs的能量密度低于锂离子电池（LIBs），这一缺陷在固定式储能体系中并不构成要害限制，由于此类体系对体积和重量的约束相对宽松。因而，钠离子电池（SIBs）被普遍认为是大规划储能使用的抱负解决方案，而非在能量密度为首要需求的场景中直接代替锂离子电池（LIBs）[12][13]。
除电网级储能使用外，钠离子电池在电动两轮车、三轮车及启停电源等低速电动交通体系中也展现出宽广的使用远景，有望逐渐代替传统铅酸电池。鉴于储能与低速交通使用范畴均具有可观的商场规划，未来钠离子电池的装机容量与产业布局预计将持续扩大。因而，其运转牢靠性与寿数稳定性相关问题亟需深入研讨[14][15]。
从正极资料视点来看，钠离子电池首要选用层状过渡金属氧化物、聚阴离子化合物和普鲁士蓝类似物[16]。其中，层状氧化物正极（如镍铁锰酸钠氧化物）因其高可逆容量、较高工作电压以及与现有锂离子电池制作工艺的兼容性而极具吸引力。这些特性使层状氧化物正极成为储能体系中商业化钠离子电池的首选资料[17]。
跟着钠离子电池在储能体系中的快速扩展包使用，先进的电池办理体系(BMS)已成为不可或缺的要害组件[18]。准确估量电池状况参数，特别是健康状况(SOH)及其他状况变量(State-of-X)，对于确保运转安全、优化能量使用和延长使用寿数至关重要。这些需求凸显了开发可嵌入实际BMS渠道的牢靠稳健SOH估量办法的迫切性[19]。
在人工智能范畴最新进展的推动下，机器学习技能已成为电池健康监测与智能办理的强大东西。相较于传统的根据模型的办法，数据驱动办法可以直接从运转数据中学习复杂的非线性老化行为和长时间时间依赖性，这使其十分适用于大规划储能体系中的健康状况（SOH）估量[20]。
与此一起，无需拆解电池单体且不损害电池内部结构的无损确诊技能，因其杰出的安全性和可重复性，特别适用于储能使用电池办理体系（BMS）中的在线健康监测与长时间运转评价。这些办法一般仅依赖于可测量的运转信号，如电压、电流和温度，这些信号可实时获取并轻松集成到实际电池办理体系（BMS）架构中，从而为电池状况感知与智能控制供给牢靠信息[21]。包含增量容量剖析（ICA）、差分电压剖析、差分热伏安法以及电化学阻抗谱在内的非侵入式办法已被广泛使用于识别要害退化模式，例如容量衰减、极化加重和内阻增加[22][23]。这些技能可以有效提取与老化相关的特征，并为后续健康状况（SOH）评价及智能能量办理奠定坚实基础。
在很多电池状况参数中，健康状况（SOH）是最要害目标之一，因其直接反映电池老化程度与剩余使用寿数。因而，准确的SOH预算对于钠离子电池储能体系的牢靠运转、安全保证及寿数优化至关重要。根据这些应战，本研讨聚集于选用层状氧化物正极与硬碳负极的商用26,700型钠离子电池的退化机理剖析与SOH预算。本研讨提出了一种结合双向长短期回忆（BiLSTM）模型的非侵入式确诊框架，以支持未来钠离子电池智能电池办理体系使用。首要立异点如下：

• (1)
  根据ICA和混合脉冲功率特性（HPPC）测验，体系提醒了钠离子电池的老化特性与退化机制。
• (2)
  经过特征提取与相关性剖析确定了五项潜在健康状况目标，并选用主成分剖析（PCA）进行降维处理以降低计算复杂度，一起规避过拟合危险。
• (3)
  咱们建立了一种优化的双向长短期回忆（BiLSTM）网络，经过捕捉双向时间依赖性和非线性退化趋势，完成对钠离子电池健康状况的准确评价。
•