登Cell Press子刊，武汉理工大学团队基于集成学习提出简化电化学模型，0.17s完成3500s的1C恒流放电

武汉理工大学的康健强团队在《细胞》子刊上发布了一项研究成果，他埋正们采用集成学习和FIE技术，提出了一种简化电化学模型，以提升电池管理系统对锂离子电池安全运行的实时监控。模型在0.17秒内就能完成通常需要3500秒的1C恒流放电预测，显著提高了计算效率。面对新能源汽车碰撞起火的担忧，研究聚焦于锂离子电池的安全问题。特斯拉Model X的电池虽能量密度高，但电池热失控风险不容忽视。团队通过简化电池内部的锂离子迁移过程，构建了一个单粒子模型，通过三个基本假设——球形电极、径向固相扩散和均匀锂离子通量，降低了模型复杂度。集成学习模型结合了DRA、FOM和TPM，精确预测了返氏电极漏液散颗粒表面的锂离子浓度，尤其在1C和2C放电下，预测电压表现优于传统模型。FIE则用于电解质相的锂离子浓度预测，结果显示在动态工况下，ELM模型的电压预测误差最小，且计算速度远超其他模型。在绿色转型的大潮中，AI技术正在保障锂电池安全。南京大学和Durapower合作的数字孪生系统能预测电池性能，而上海交通大学的半监督学习技术如PBCT，进一步提升了电池寿命预测的精度。这些技术的进步，为锂电池的绿色应用提供了强有力的支持，预示着未来能源领域的新突破。