需求分析

基于動(dòng)力電池的快速發(fā)展，動(dòng)力電池制造已邁向了TWh時(shí)代，動(dòng)力電池的品質(zhì)也由ppm向ppb級(jí)別提升，因此準(zhǔn)確測(cè)定產(chǎn)品質(zhì)量是鋰離子電池生產(chǎn)中的關(guān)鍵挑戰(zhàn)之一。由于鋰離子電池體系非常復(fù)雜，傳統(tǒng)的質(zhì)量控制措施如化成，老化等成本非常高且很耗時(shí)。根據(jù)以下報(bào)道計(jì)算，鋰離子電池化成和老化的成本占比生產(chǎn)成本高達(dá)32.8% 。

The Future of Battery Production for Electric Vehicles (bcg.com)

鋰離子電池產(chǎn)業(yè)鏈質(zhì)量控制檢測(cè)

那可以考慮在電芯制造環(huán)節(jié)早期，在化成和老化前對(duì)電池進(jìn)行質(zhì)量分類和壽命預(yù)測(cè)。從而達(dá)到降低能耗，提高良品率，提升電池一致性的目的。因此可行的方式是，在進(jìn)入老化步驟之前，使用預(yù)測(cè)質(zhì)量模型來(lái)識(shí)別電池質(zhì)量，以減少處理時(shí)間，直至消除整個(gè)處理步驟，因此需要建立基于生產(chǎn)數(shù)據(jù)的電池壽命早期預(yù)測(cè)方法。

電池早期質(zhì)量分類及預(yù)測(cè)策略

近年來(lái)，人們提出了幾種數(shù)據(jù)驅(qū)動(dòng)的方法，使用各種分析方法來(lái)分析LIB的狀態(tài)和質(zhì)量，為了預(yù)測(cè)壽命和電池余量，基于電化學(xué)特征的方法被認(rèn)為是最有前途的解決方案，此類方法具體的步驟如下。

通過(guò)以上分析，基于交流阻抗數(shù)據(jù)驅(qū)動(dòng)的模型具有以下重要意義。

• 對(duì)于過(guò)程偏差的早期檢測(cè)

相比傳統(tǒng)耗時(shí)的質(zhì)量保證過(guò)程相比，數(shù)據(jù)驅(qū)動(dòng)的分析在檢測(cè)潤(rùn)濕和化成過(guò)程中的工藝缺陷方面有巨大潛力

• 產(chǎn)能增加

除了分析工藝偏差外，數(shù)據(jù)驅(qū)動(dòng)分析有助于早期階段檢測(cè)缺陷單元，從而提高產(chǎn)能，結(jié)果表明，在耗時(shí)和耗能的老化步驟前，神經(jīng)網(wǎng)絡(luò)有助于確定LIB的循環(huán)壽命，潤(rùn)濕和化成的信息足以進(jìn)行第一次質(zhì)量分類。

• 質(zhì)量測(cè)定的擴(kuò)展數(shù)據(jù)基礎(chǔ)

采用所提出的預(yù)測(cè)和分類方法，電池制造環(huán)節(jié)可以利用生產(chǎn)數(shù)據(jù)并實(shí)現(xiàn)早期質(zhì)量保證，而無(wú)需耗時(shí)的充放電循環(huán)。因此，預(yù)測(cè)早期循環(huán)壽命和確定準(zhǔn)確的剩余使用壽命(RUL)是不同的挑戰(zhàn)，RUL通常應(yīng)用于動(dòng)態(tài)電池運(yùn)行，研究結(jié)果表明，電池制造商可以使用數(shù)據(jù)驅(qū)動(dòng)來(lái)分析和補(bǔ)充老化及壽命終止(EoL)測(cè)試的質(zhì)量測(cè)定，以獲得改進(jìn)的質(zhì)量測(cè)定方法。

• 備選工藝路線

將先前的工藝和單元數(shù)據(jù)與神經(jīng)網(wǎng)絡(luò)和循環(huán)數(shù)據(jù)結(jié)合使用，可以實(shí)時(shí)預(yù)測(cè)循環(huán)壽命。只要電池在循環(huán)期間被可靠的分組為相應(yīng)質(zhì)量等級(jí)，就可以根據(jù)質(zhì)量分組來(lái)銷售電池。

結(jié)論

在本文中，基于數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法被用于動(dòng)力電池生產(chǎn)環(huán)節(jié)早期質(zhì)量預(yù)測(cè)和分類。對(duì)29個(gè)軟包電池采用線性回歸和神經(jīng)元(ANN)兩種方法預(yù)測(cè)并進(jìn)行對(duì)比，在引入29個(gè)特征參數(shù)時(shí)ANN的誤差范圍為 10.1% 。然而，僅需引入幾個(gè)特征參數(shù)，線性回歸的誤差約為13%。選用更具優(yōu)勢(shì)的 ANN依據(jù)電池的循環(huán)次數(shù)對(duì)電池進(jìn)行分類。最佳分類模型對(duì)兩個(gè)循環(huán)壽命的分類準(zhǔn)確度達(dá)到97%。使用潤(rùn)濕后的EIS測(cè)量數(shù)據(jù)和化成后的數(shù)據(jù)(EIS & 化成數(shù)據(jù)), 分類的準(zhǔn)確度分別是80% 和 88% 。最后，將數(shù)據(jù)驅(qū)動(dòng)的ANN用于電池壽命和質(zhì)量分類預(yù)測(cè)。盡管ANN無(wú)法提供電池的化學(xué)和衰減機(jī)制，但可以從電學(xué)和電化學(xué)分析中提取出了一些特征信息。這些發(fā)現(xiàn)非常有助于在鋰離子電池生產(chǎn)過(guò)程，在早期去發(fā)現(xiàn)有缺陷的電池，增加效率和整體質(zhì)量?？梢钥焖贆z測(cè)工藝誤差，從而基于質(zhì)量預(yù)測(cè)優(yōu)化生產(chǎn)工藝。

參考資料

1. The Future of Battery Production for Electric Vehicles (bcg.com)

2. Early Quality Classification and Prediction of Battery Cycle Life in Production Using Machine Learning, Journal of Energy Storage 50 (2022) 104144