机器学习强化的电化学阻抗谱技术及其在锂离子电池研究中的应用OA北大核心CSTPCD
随着电气化的发展,全球动力电池和储能电池的需求迅猛增加。然而,人们对电池使用安全性和可靠性的关注使得电池老化状态的精准诊断和预测成为电池界重要且富有挑战的研究领域之一。电化学阻抗谱(EIS)因其可以解耦电池内部不同频域过程常被用于电池复杂老化过程状态的解析,而通过机器学习方法不仅可以高效获取和解析EIS数据,而且可促进对电池老化和失效机制的深入理解。本文综述了近年来机器学习方法在EIS技术中的应用,重点讨论了通过机器学习获取和解析EIS数据,进而…查看全部>>
何智峰;陶远哲;胡泳钢;王其聪;杨勇
厦门大学固体表面物理化学国家重点实验室,化学与化工学院化学系厦门大学固体表面物理化学国家重点实验室,化学与化工学院化学系厦门大学固体表面物理化学国家重点实验室,化学与化工学院化学系 厦门大学能源材料化学协同创新中心(iChEM),化学与化工学院化学系厦门大学信息学院计算机系,福建厦门361005厦门大学固体表面物理化学国家重点实验室,化学与化工学院化学系 厦门大学能源材料化学协同创新中心(iChEM),化学与化工学院化学系 厦门大学能源学院
动力与电气工程
锂离子电池电化学阻抗谱机器学习寿命预测数据驱动
《储能科学与技术》 2024 (9)
P.2933-2951,19
国家重点研发计划专项(2021YFB2401800)。