原文信息:
Battery digital twins: Perspectives on the fusion of models, data and artificial intelligence for smart battery management systems
原文链接:
https://www.sciencedirect.com/science/article/pii/S2666546820300161
本文由帝国理工大学Billy Wu博士 , 华威大学Dhammika Widanage 博士,以及北京航空航天大学杨世春教授、刘新华助理教授团队合作在Energy and AI上发表。重点介绍了基于数字孪生的模型、数据、人工智能相融合的智能电池管理系统。
摘要
锂离子电池广泛应用于电动汽车和电网储能等领域,这些设备的寿命很大程度上受到材料选择、系统设计和使用工况的影响,这些耦合的因素使得电池在实际应用中的控制具有挑战性。随着学界在电池老化机理、系统建模和故障诊断方面的研究突破,结合人工智能方法创建电池的数字孪生模型成为可能。在数字孪生体系中,电池的物理实体和数字虚拟模型协同联动,能够实现更为智能的管控。因此,本文展示了电池在状态估计模型、车载诊断工具、数据驱动建模领域的成果以及这些功能如何整合在一个数字孪生体系之中。
挑战与机遇共存
减少温室气体排放并遏制全球气候变化是人类命运共同体面对的一大挑战,锂电池的应用是其中的重要手段之一,但其能量密度、寿命周期、昂贵成本是限制大规模使用的阻碍。严格限制电池参数(如电压、电流、温度等)能够简单有效解决这些障碍,如果辅助以模型驱动方法得到状态参数就能更好实现电池控制&#