Nature重磅首发:实时AI调控固态锂电充电,寿命提升265%突破极限!

一起来关注我们吧

由于灾难性的电化学反应导致电池故障，电池的健康状况通常会从最初的缓慢容量衰减状态演变为快速衰减状态。然而，在循环过程中，这种故障的信号往往出现得更早，早期检测可能有助于通过实时调整循环程序来预防故障。在这里，我们演示了将机器学习模块直接集成到电化学电池测试站中，以不断检测电池电流和电压曲线的信号，然后基于强化学习实时调整循环程序，从而大大延长电池寿命。我们使用固态锂金属电池来演示未来电池管理系统内置智能的概念验证实施，利用其高电流密度和快速循环来生成丰富的数据，并大大缩短开发反馈回路。这种智能方法在80%的健康状态下将电池寿命提高了265%，基于活性材料的累积比能提高了250%，这是通过有效控制有害的界面反应来实现的。这项工作展示了一条超越人类专业知识的电池寿命和安全性的实时人工智能控制途径。

图1：电池智能循环系统的实时人工智能。

a集成平台示意图。基于每3个周期的实时循环数据，实现了一个经过训练的状态感知模块，作为一个智能的现场监测器，用于识别运行电池的状态，包括稳定、过渡和衰减状态。强化学习（RL）通过基于电池状态自适应地优化固态电池在循环中的快速充电策略，进一步实现了智能循环。电化学测试站用于循环由上述AI工作站控制的实际电池。b面向工程的工作流程，显示实时通信、数据和控制回路。AI工作站支持与测试仪硬件的双向通信。每3个周期的数据都会被连续收集以评估电池状态，然后用于自适应地控制下一段的充电策略。这项工作的目标是证明智能自行车能有效延长寿命。

图2：智能自行车形状成像分析中具有物理意义的电池状态识别。

a数据集中具有循环演变的三种电池状态的定义。（i）在容量保持试验中，电池在循环过程中分为稳定、过渡和衰减状态；（ii）根据容量二阶导数的加速度曲线划分稳定和过渡状态的紫色节点随着循环而变化；（iii）红色节点，根据容量变化曲线的一阶导数的速度曲线划分过渡状态和衰减状态。b分离器中两种固体电解质界面处不同电池状态的代表性背散射扫描电镜（SEM）横截面图像，状态ii）也显示了氧气（紫色）的相应能量色散X射线光谱（EDS）图。c形状成像方法的处理工作流程。这种方法将每3个周期的数据集成到ResNet模型的图像的自然RGB通道中。d基于各种C费率（1C）的一系列策略的充电操作 = 150 mA/g）和截止值，从而影响面积容量。

图3：智能电池循环相对于基准控制电池的性能优势。

a达到95%、90%、85%、80%四种不同健康状态（SOH）所需的循环次数。颜色条的长度表示平均值，误差条表示多个电池的标准偏差（SD）。数据以平均值表示 ± SD。对于情报，n = 4 独立样品，每个电池单独制备和测试。基准电池是指没有智能循环的恒流测试，包括n个 = 7 独立样本。b基于与（a）中的电池对应的不同SOH水平的活性材料的累积比能。c 7次基准测试的膝盖点容量曲线，均显示SOH加速下降。d智能自行车的代表性容量曲线。不同的充电动作导致循环时容量分布分散，红色拟合曲线与基准进行比较。颜色条表示电池状态的实时感知，0、1和2分别表示稳定、过渡和衰减状态。e智能循环期间C速率和截止值的变化以及监测到的电池状态。

图4：通过智能循环和电池状态之间更频繁的跳跃来探索更宽的主成分空间，避免了衰减。

a在智能自行车中的自适应充电动作下，针对18种自行车策略中的每一种绘制了自行车期间电池状态的变化。所有18个充电动作的索引从0到17，C速率从15增加 C至20 C in 1 C每三个索引递增一次。在每组3个连续动作指标中，截止电压增加4.2 V, 4.25 V、 4.3 V.b具有智能循环的第一主成分（PC1）和第二主成分（PC2）的分布和运动趋势，其中主成分分析（PCA）基于形状图像的电压部分。c PCA空间中任意两个相邻步骤之间的欧几里德距离，由智能循环的所有主成分计算得出。颜色条表示在相应循环范围内计算的欧几里德距离值的数量。d–f（a–c）的相应基准结果。该基准的充电动作固定为18 C和4.25 V.g智能循环和基准测试的二次电子SEM图像与1700次循环后智能循环和1500次循环后基准测试的样品的比较。h可用充电动作对电池寿命的影响。比较了考虑不同C速率和截止组合量的各种预编程固定策略，说明了充电次数从2到18变化时对第1500次循环电池SOH的影响。

综上所述，本文开发了一种实时人工智能系统，通过将机器学习模块直接集成到电化学电池测试站中，实现对固态锂金属电池的实时状态感知和基于强化学习的智能循环策略调整，该方法在无需先验知识的情况下有效控制有害界面反应，将电池寿命延长265%并在80%健康状态下将累积比能量提高250%，展示了实时AI在电池管理系统中超越人类专业知识、提升长寿和安全性的可行路径；同时该方法充分利用电压电流曲线信息减少设备成本，兼容多阶段CC-CV等先进快充策略及外部压力、温度等环境变量，实现不利状态的主动预测与缓解，未来可广泛适配商用电池系统与边缘计算设备，为下一代储能解决方案提供更智能、可靠、安全的电池管理方案。