数据驱动方法用于电池寿命预测的前景与挑战

近期的数据驱动方法通过利用放电电压曲线特征，在电池循环寿命的早期预测中展现出巨大潜力。然而，这些研究提醒，数据驱动方法必须结合特定的实验设计以限制老化条件范围，因为锂离子预期的寿命是各种老化因素的复杂函数。本工作中，我们研究了在多种老化条件下循环的锂离子数据驱动电池寿命预测方法的性能，以确定数据驱动方法何时能成功应用。结果显示，在广泛充放电C率和工作温度下老化的电池，其放电容量差方差与寿命终止之间存在相关性。尽管所用不同条件不仅用于电池循环，也用于获取特征：特征是直接由循环数据计算而得，无需在受控温度下的单独慢速表征循环。然而，当用于特征提取的电压数据窗口减小，或改用充电电压曲线而非放电曲线特征时，相关性显著减弱。由于深度恒流放电在实践中很少发生，这对在真实系统中应用该方法提出了新挑战。