最近，由温州大学的向家伟和吕东祯团队，与南卡罗来纳大学的Bin Zhang团队以及巴黎矿校的Enrico Zio团队共同研发了一项新的电池寿命预测技术。这一技术显著提升了实验室研究与实际应用的衔接，创新引入了“累积使用寿命”的概念。该预测方法简化了模型中多种影响因素的耦合，使其能在不同的应用场景中迁移使用。在大规模迁移测试中，该方法不仅稳定提高了早期寿命预测的准确性(误差降至5%以下)，还能在便携式设备上实现毫秒级的实时预测，显示出卓越的工程实用性。

　　这项研究成果发表于2024年8月，论文题为《Battery Cumulative Lifetime Prognostics: Bridging Laboratory and Real-Life Scenarios》，刊登在Cell Reports Physical Science期刊，属于Cell Press出版集团。论文第一单位和通讯单位都是温州大学，通讯作者为吕东祯、向家伟，第一作者为吕东祯。

　　研究亮点

　　1、测试并收集300个电池单体在实验室场景与现实应用场景下的性能退化数据。

　　2、考虑了随机充放电电流、频率、深度以及多电池成组、环境温度的影响。

　　3、提出了基于累计耗损寿命的预测框架，并指明了其后续的发展方向。

　　4、突显了低温环境对延长电池累计耗损寿命的有益效果。

　　研究主题

　　作者选择的主题突显了电池工程应用中场景和使用策略的复杂性，这导致电池寿命预测研究在实际工程应用中存在明显瓶颈，从而引出了本文的相关研究。

　　研究背景

　　锂电池的性能退化现象严重影响了电动汽车、大规模储能等设备的稳定运行，如何监测锂电池的性能退化过程并实现循环寿命的精准预测已成为当下研究热点，实验室场景下的循环退化研究也日益增多。然而，锂电池的实际应用场景错综复杂，并且使用策略和环境因素也非常随机和多变。这些因素对锂电池性能的衰减有什么影响?我们能否用一种简洁的方法来对这些随机产生的复杂影响进行简化处理?

　　实验研究

　　受到这些问题的启发，吕东祯等人在2020年左右启动了一项长达数年之久的锂电池性能退化实验研究。随着研究的深入，他们逐渐形成了初步的推测，即采用累计耗损量作为寿命指标有可能显著提高电池寿命预测方法的实用性。为此，他们在2021年7月起陆续构建了多个基于累计耗损量的寿命预测方法，并申请了多项中国、美国、PCT国际发明专利。他们还意识到，对于这个具有极大实用潜力的发现，仅仅进行方法设计是远远不够的，还需要进行充分的实验验证、合理的建模分析以及全面的效果测试，才能确保其可靠性和有效性。

　　为此，该团队自2020年至今持续进行了大规模的锂电池性能退化实验，涵盖了实验室场景下的标准模式、多因素耦合下的复杂模式和真实应用场景下的随机模式。实验还考虑了昼夜温差、四季变化所导致的高频低幅温度、低频高幅的温度变化影响。该研究使用两种型号共计300多个电池单体进行退化实验测试，其中部分电池单体还被集成为电池组的形式，不同测试模式所对应的电池数量如表1所示。两种型号的电池各自均是同一批次，但是不同电池的仓储搁置时间是不同的，因此也涉及到了复杂日历退化效益的耦合作用。

表1 不同测试模式中采用的电池数量

方法研究

本文中所设计预测方法的核心理念在于采用累计放电量、累计充电量、累计做功量、累计里程量等一系列累计工作量作为锂电池的寿命，而非仅仅采用锂电池的循环次数作为寿命。吕东祯等人已经依托该技术，顺利申请/授权7项中国专利、1项PCT国际专利、1项美国发明专利。经过反复的实验验证(如图1)，该团队设计的预测方法成功地将实验室场景下学习到的知识有效地迁移到真实应用场景中，并且能够在多种复杂工况和应用场景之间实现相互迁移。在采用便携笔记本电脑进行测试时，该方法展示了约5%左右的预测误差和毫秒级的计算效率。

图1 多种应用场景下的锂电池性能退化及寿命预测研究

　　传统的锂电池寿命预测方法都是基于循环次数的，在采用本文中开源的“WZU随机电池退化数据”进行测试时，传统方法在实验室场景下的预测误差大致处于10%~20%的误差水平，但是在复杂工况和实际应用场景下的预测误差高达40%至110%。很明显，传统的锂电池寿命预测方法难以实现多种复杂工况和应用场景之间实现相互迁移，相关研究存在明显的应用瓶颈。宁德时代新能源科技股份有限公司也曾意识到了这一技术瓶颈，并面向全球发布技术榜单：“基于实验条件下的电芯循环寿命预测已有不少研究，但是针对于实车工况下，真实使用场景、不同环境温度等影响因子的使用寿命预测，还缺乏真正的工程方法”。

　　小结

　　吕东祯等人提出了一种电池寿命预测框架，创造性地引入了累计使用寿命的概念。这种预测框架搭建了实验场景研究与实际场景应用之间的桥梁，显著简化了实际运行场景中随机充放电电流、时长、频次、深度和多电池成组的复杂耦合作用，并在笔记本电脑上实现了5%左右的预测误差以及毫秒级的效率。

　　产业化应用

　　2023年12月，多家国内外研究机构合作进行技术研发，开发出一种采用累计里程量作为寿命指标的寿命预测方法，并成功采用60台电动公交车进行示范性应用。这种方法采用累计里程量作为寿命指标来开发寿命预测方法，与吕东祯博士早在2021年7月15日提交的中国专利202110798763.5中的核心技术理念(其中权利要求1)保持一致。

　　该示范性应用由北京理工大学、国家电动汽车工程研究中心，德国亚琛工业大学，尤利希-亚琛联合研究中心，明斯特亥姆霍兹研究所共同主导。同时受到了中国国家重点研发、中国自然科学基金联合项目、德国联邦政府和北莱茵州的共同资助，应用证明可见下述文献：

　　Wang, Q.;Wang, Z.; Liu, P.; Zhang, L.; Sauer, D.U.; Li,W. Large-scale field data-based battery aging prediction driven by statistical features and machine learning. Cell Rep. Phys. Sci. 2023, 4, 101720.

　　WZU随机电池退化数据(开源协议)该实验研究中全部电池单体和电池组的充放电循环次数总计超过了 54.6 万次，测试时长总计超过 2600 万分钟，是目前世界上规模最大，最贴近实际运行场景，持续时间最长的电池退化实验。对应的实验数据已经被命名为“WZU随机电池退化数据”，并面向全球开源共享。开源数据集及许可协议请扫描图2访问相关链接：

图2 WZU随机电池退化数据

　　相关数据和代码的访问和使用权限遵循知识共享署名-禁止演绎 4.0 国际许可协议(CC BY-ND 4.0)。在使用或向他人分享这些数据或代码时，请务必采用统一的命名格式“WZU随机电池退化数据”(英文版本为 "Wenzhou Randomized Battery Data")，并引用以下来源文章：Dongzhen Lyu et al., Battery Cumulative Lifetime Prognostics to Bridge Laboratory and Real-Life Scenarios, Cell Reports Physical Science (2024), https://doi.org/10.1016/j.xcrp.2024.102164

　　在分享数据或代码时，必须保持数据集的原始完整性，并提供直接访问原始数据的链接;严禁进行任何修改、处理、重组或重新打包。

　　本实验中涉及的场景复杂，各个电池的退化过程及影响因素尚需进一步研究，为了确保相关分析的科学性，可具体咨询吕东祯博士交流实验细节。除了吕东祯博士已经公开披露的内容之外，请避免对实验细节进行未经授权的猜测或解读。

　　请务必访问下述链接获取许可协议的全文

　　▌开源数据集及许可协议全文：

　　ResearchGate：https://www.researchgate.net/profile/Dongzhen-Lyu

　　X-Mol平台: https://www.x-mol.com/groups/DongzhenLyu

　　GitHub：https://github.com/lvdongzhen/Wenzhou-Randomized-Battery-Data