锂离子电池热失控极早期预警方法及技术研究

作     者：张俐恒 

作者单位：中国民用航空飞行学院 

学位级别：硕士

导师姓名：贺元骅;蒋新生

授予年度：2023年

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

主      题：锂离子电池热失控 极早期预警 监督学习算法 人工神经网络算法 极端梯度提升树算法 

摘      要：为满足锂离子电池热失控孕育、发生极早期预警的关键需求,本文基于理论与实验相结合的研究方法,建立了锂离子电池热失控动态预警指标体系,构建了热失控倒计时与热失控预警分级模型,并在同材料体系下的热失控新鲜样本上验证了模型的泛化能力。(1)提出了基于大容量三元锂离子动力电池热失控数据构建预警指标体系的方法。本文将热失控产气、产热机理与实验数据相结合,建构了集池体多测点温度、氢气、一氧化碳、碳氢气体为一体的预警指标体系;通过100%、60%、30%三种荷电状态(SOC)下的热诱导失控实验,刻画各关键指标峰值呈现的时间序列,建立了产热、产气类别指标融合的动态预警指标体系,并分析了预警指标的可靠性;再深度分析预警等级的分类规则和预警模型输入输出特征,消除预警指标体系冗余信息,优化了由产热、产气构成的时空特征指标体系,创建了训练、测试、验证三位一体的热失控预警模型总数据集。(2)建构了基于极早期预警需求的锂离子电池热失控预警模型与评级方法。本文基于人工神经网络(ANN)隐藏层神经元数量和激活函数的优选,提升了热失控特征数据集迭代的精准率;再基于列文伯格-马夸尔特(LM)算法训练ANN回归预警模型,创建热失控倒计时预警模型,分析了热失控产热、产气与倒计时之间的关联度,依据热失控倒计时模型对预警时间提前量准确评估;又基于融合ANN算法与极端梯度提升树(XGBoost)算法,优化分类预警等级;最后以Weight和Cover评价指标特征参数重要度,创建了容倒计时时间序列、指标阈值概率于一体的高精准度热失控预警技术模型。(3)研究了基于同一电池材料体系下热失控数据的预警模型泛化能力验证方法。本文分别采用了100%、60%和30%SOC的大尺寸三元方型锂离子电池热诱导失控实验数据,提取与预警指标体系实验分析相同的产热、产气数据,构建热失控预警模型新鲜样本验证数据集,分析并验证了倒计时和分级预警模型在该数据集上的泛化能力。本论文研究了锂离子电池热失控极早期预警方法与技术,实现了有效识别热失控孕育阶段风险,并建立了四级预警机制,为电池的热失控预警提供了有益的解决方案。