清华团队突破电池衰减预测瓶颈：物理信息学习助力电池研发提速25倍，准确率高达95.1%
【深圳/北京，2024年5月15日】 随着全球对可再生能源需求的持续攀升，电池作为储能系统的核心技术，其研发效率和性能提升日益受到关注。然而，电池研发过程中，从实验室原型到商业化产品的转化往往面临着验证周期长、成本高昂以及生产废料管理困难等诸多挑战，严重制约了电池行业的可持续发展。近日，清华大学深圳国际研究生院张璇、周光敏、李阳团队取得重大突破，他们提出了一种基于物理信息学习的电池衰减轨迹早期预测方法，该方法不仅将原型验证速度提升了至少25倍，更实现了高达95.1%的全寿命平均预测准确率，为电池研发领域带来了革命性的变革。
传统电池研发困境：漫长的验证周期与高昂的成本
在电池制造领域，传统的容量校准方法需要对电池进行长时间的充放电循环测试，以评估其性能和寿命。这种方法不仅耗时费力，而且由于制造过程中的不一致性和电池老化方式的多样性，使得电池原型的性能评估变得异常复杂。这意味着，电池研发人员需要花费大量的时间和资源，才能对电池的性能进行初步的评估，这无疑大大拖慢了电池技术的发展进程。
此外，电池研发过程中的高昂成本也是一个不容忽视的问题。大量的原型测试不仅需要消耗大量的电池材料，还会产生大量的废料，对环境造成一定的压力。如何降低电池研发的成本，提高研发效率，成为电池行业亟待解决的关键问题。
清华团队创新：物理信息学习赋能电池衰减预测
针对上述行业痛点，清华大学深圳国际研究生院张璇、周光敏、李阳团队另辟蹊径，提出了一种基于物理信息学习的电池衰减轨迹早期预测方法。该方法的核心在于，通过计算电池内部的热力学和动力学参数，并将其与电池未来的状态变化关联起来，从而实现对电池整个衰减轨迹的早期预测。
该方法巧妙地利用了电池早期循环数据（仅需50次循环，约占总寿命的4%），即可预测电池的全寿命衰减曲线，其预测准确率高达95.1%。与传统的测试方法相比，该方法将原型验证速度提升了至少25倍，大大缩短了电池研发周期，降低了研发成本，并为电池生产制造环节的废料管理提供了新的思路。
技术详解：从电化学原理到物理信息模型
该团队的研究成果并非偶然，而是建立在深厚的电化学理论基础之上。他们采用与电动汽车快速充电兼容的多步充电方案，范围从0.33C到3C，共包含9个步骤。其中的截止电压（U1-U9）代表每个荷电状态（SOC）的充电接受程度，并在25℃、35℃、45℃和55℃四个温度下进行测试。
基于电化学原理，研究团队进行了精巧的特征工程，他们发现，大电流充电时，动力学过程占据主导地位；而在小电流阶段，热力学过程则更为显著。由此，他们提取出了代表热力学衰减和动力学衰减的特征，分别描述了与电流无关的材料不可逆衰减和与电流相关的电化学过程可逆衰减。
所提出的物理信息学习模型分为三个关键步骤：首先，利用可解释特征工程表达电池多维电化学过程；其次，利用早期电化学过程数据推演后期尚未建立的电化学状态；最后，利用推演后的电化学状态进行电池衰减曲线预测。
为了验证模型的可靠性，研究团队采用了多源域自适应设置，利用25℃和55℃的数据进行训练，并在35℃和45℃温度下进行预测。实验结果表明，该模型仅需利用早期循环数据，即可实现准确的全寿命衰减曲线预测，充分证明了该方法的有效性和鲁棒性。
模型优势：可解释性与经济性并重
该研究的另一大亮点在于其模型的可解释性。通过数值模拟，研究团队确认了多阶段充电方式在表达热力学和动力学衰减过程的电化学原理依据，并通过物理信息学习模型的特征重要性分析，发现了热力学和动力学衰减在电池总衰减比例上的吻合。这表明，该模型可以通过结合电化学原理和可获取的电流和电压信号，准确表达电化学过程，从而实现非侵入式的电池衰减曲线预测。
此外，该研究还深入分析了利用所提出的物理信息学习模型进行电池生产制造环节的劣品检测和废料回收的技术经济性。研究结果表明，该模型对于生产制造环节的废料管理可持续性具有显著提升效果。通过对直接修复轻微衰减电池（健康状态SOH>95%）的年利润、累计利润，以及不同SOH下回收的单位利润构成和环境能源影响进行分析，研究团队发现，该模型不仅可以降低电池生产成本，还可以减少环境污染，实现经济效益和环境效益的双赢。
学术意义与行业影响
该研究成果以“Non-destructive degradation pattern decoupling for early battery trajectory prediction via physics-informed learning（基于物理信息学习的电池衰减轨迹早期预测）”为题发表在《Energy & Environmental Science》上，并被选为封面论文。该论文的第一作者为清华大学深圳国际研究生院2022级博士研究生陶晟宇，共同第一作者为2021级硕士研究生张梦天和2023级硕士研究生赵子曦。
该研究的合作者包括欣旺达动力科技股份有限公司徐中领博士、于文军博士、刘瑶俊团队，清华大学车辆与运载学院郝瀚副教授团队，格罗宁根大学能源与可持续发展研究所孙鑫助理教授，麻省理工学院化学工程学院车云弘博士和加州大学伯克利分校土木与环境学院Scott Moura副教授。清华大学车辆与运载学院2023级博士研究生李昊阳，深圳国际研究生院马睿飞对技术经济分析作出重要贡献。清华大学深圳国际研究生院张璇、周光敏、李阳副教授、重庆大学机械与运载工程学院胡晓松教授为共同通讯作者。
该研究得到了山西省能源互联网研究院、清华大学深圳国际研究生院、深圳市鹏瑞基金会、广东省基础与应用基础研究基金等科研经费支持。
未来展望：加速电池技术革新，推动可持续发展
清华大学团队的这项研究成果，不仅在学术上具有重要的理论意义，更在实际应用中具有巨大的潜力。该方法有望加速电池研发进程，降低研发成本，提高电池性能，并为电池生产制造环节的废料管理提供新的解决方案。
随着全球对清洁能源需求的不断增长，电池技术的发展将直接影响到能源转型和可持续发展的进程。清华大学团队的这项研究成果，无疑为电池技术的革新注入了新的活力，为构建更加清洁、高效、可持续的能源未来奠定了坚实的基础。
参考文献：
- 论文链接：https://doi.org:10.1039/D4EE03839H
关于清华大学深圳国际研究生院：
清华大学深圳国际研究生院是清华大学在深圳设立的研究生培养机构，致力于培养具有国际视野、创新精神和实践能力的复合型人才。该院在能源、环境、信息、生物医药等领域开展前沿研究，为深圳乃至全国的科技创新和产业发展提供智力支持。
关于欣旺达动力科技股份有限公司：
欣旺达动力科技股份有限公司是全球领先的锂离子电池模组解决方案及产品供应商，专注于为电动汽车、储能系统等领域提供高品质、高性能的电池产品和解决方案。
关于《Energy & Environmental Science》：
《Energy & Environmental Science》是英国皇家化学会出版的顶级学术期刊，专注于能源和环境科学领域的前沿研究，在国际学术界享有盛誉。
（完）
Views: 0