首页/文章/ 详情

动力电池黑马杀出!安全性能难题被攻克!颠覆性技术让锂电行业重获新生!

7小时前浏览5

锂电那些事今日头条2025年07月15日 星期二


随着全球新能源汽车产业的迅猛发展和“双碳”战略的深入实施,动力电池作为电动汽车的核心部件,其性能、寿命与安全性直接决定了整车的市场竞争力与用户体验。然而,在复杂工况下的状态精确感知、健康度评估、寿命预测以及安全风险防控,一直是行业面临的重大技术挑战。在此背景下,智能化、高精度、高可靠的电池管理技术已成为产业升级和学术研究的关键突破口。

国家需求层面, 我国新能源汽车产业与新型储能系统的飞速发展,对高安全、长寿命、高可靠性的动力电池系统提出了迫切需求。《新能源汽车产业发展规划(2021-2035年)》及“双碳”战略目标均将突破电池安全瓶颈、提升电池管理水平列为关键任务。GB38031-2025《电动汽车用动力蓄电池安全要求》的强制实施,特别是“5分钟热失控预警”技术要求,亟需通过智能化电池管理技术(BMS)实现电池状态的高精度感知、健康度的可靠评估、寿命的准确预测及安全隐患的早期智能诊断,以保障人民生命财产安全,支撑国家新能源战略与产业竞争力的提升。

学术研究趋势方面,机器学习引领BMS创新浪潮。从单一模型到模型融合与迁移学习,为克服单一模型泛化能力不足、依赖特定工况/老化状态数据的局限,模型融合、迁移学习、元学习成为研究热点它们旨在利用有限数据、跨工况/跨电池型号知识迁移,提升模型的适应性和鲁棒性,完美契合新国标对全生命周期、复杂工况鲁棒性的要求。深度学习模型因其强大的时序特征提取、空间特征捕获和长序列建模能力,在SOC/SOH估计、RUL预测、退化轨迹建模、故障诊断等领域取得显著优于传统方法的精度,是当前活跃的研究方向。

为促进科研人员、工程师及产业界人士对智能算法在电池管理领域应用技术的掌握,也为助力企业应对新国标、抢占下一代智能化BMS技术制高点的战略支点。 特举办“机器学习驱动的智能化电池管理技术与应用”专题培训会议,本次培训会议主办方为北京软研国际信息技术研究院,承办方互动派(北京)教育科技有限公司,具体相关事宜通知如下:

专题一

(直播5天)

机器学习驱动的智能化电池管理技术与应用

(详情内容点击上方名称查看)

2025年08月16日-08月17日

2025年08月22日-08月24日

专题二

(直播3天)

机器学习赋能的多尺度材料模拟与催化设计前沿技术

(详情内容点击上方名称查看)

2025年07月26日-07月28日


   

培训对象

汽车工业、电力工业、自动化技术、BMS算法开发、电池系统研发、新能源汽车工程、储能系统管理、环境科学与资源利用、计算机软件及应用等专业和领域的科研人员、工程师、及相关行业从业者、跨领域研究人员。



培训特色

1.   深度技术融合,聚焦前沿应用:

☆  核心特色在于将机器学习(ML)与人工智能(AI)技术(SVM, BP/CNN/LSTM, 迁移学习, SVR, KMeans, DBSCAN, LOF, 深度学习)深度、系统地应用于电池管理(BMS)的核心痛点问题:SOC估计、SOH估计、剩余寿命预测(RUL)、热失控预警。

☆  覆盖了从基础原理到最新研究趋势(如迁移学习、云端大数据分析、深度学习联合预测)的应用,体现了技术的前沿性和综合性。

2.   理论与实践高度结合,案例驱动:

☆  大量实例讲解是最大亮点之一。课程在SOC、SOH、RUL、热失控预警等每个核心应用模块后,都有具体的技术实例(如“基于支持向量机的SOC估计”、“基于深度学习的寿命预测方法”、“基于实车运行大数据的电池SOH估计”、“基于深度学习的异常电芯检测”等)。确保学员不仅能理解理论,更能直观掌握实现路径和评估方法。

☆  内容设计上强调“数据集-特征工程-模型构建-训练优化-验证评估”的完整技术链条,符合工程实践逻辑。

3.   覆盖电池管理全生命周期关键环节:

☆  培训内容系统性强,围绕电池管理的核心任务展开:

状态感知: SOC(多种ML方法)、SOH(单体/系统,不同工况)。

寿命管理: RUL预测(传统ML/深度学习/联合预测)、退化轨迹预测。

安全预警: 热失控/故障诊断(多种无监督学习及深度学习方法)。

☆  提供了从单体到系统、从实验室工况到实车动态工况、从新电池到老化电池的全面视角。

4.   强调方法对比与场景适应性:

☆  在关键问题上(如SOC估计、SOH估计、故障检测)不局限于单一方法,对比讲解多种主流ML/AI技术(如SVM vs神经网络vs迁移学习;KMeans vs DBSCAN vs 深度学习等)

☆  特别关注不同应用场景:如SOH估计部分专门区分了“满充满放恒定工况”、“多阶恒流/片段恒流工况”、“动态放电工况”、“云端大数据”等不同场景下的方法,体现了技术选型与场景的强关联性。

5.  结构清晰,层次递进

☆  课程从电池管理基础和AI/ML基础讲起,确保学员具备必要的背景知识。

☆  核心部分按应用领域(SOC->SOH->RUL->安全) 组织,逻辑清晰。

☆  在每个应用领域内,通常遵循 “概述->传统/基础方法->先进/复杂方法(深度学习、迁移学习、联合预测)->实例验证” 的递进结构,便于学员逐步深入。



讲师介绍

由国家“双一流”建设高校、“985工程”和“211工程”重点高校副教授/博导及其团队成员讲授,长期从事动力电池系统安全管理研究的理论和关键技术开发。在《eTransportation》、《Applied Energy》、《Energy》JCR一区SCI期刊发表论文50余篇,其中十余篇先后入选“ESI全球高被引论文”。担任多个期刊青年编委,担任40余个SCI期刊的审稿人专家。



课程大纲

目录

主要内容

电池管理技术概述

1. 电池的工作原理与关键性能指标

2. 电池管理系统的核心功能

3. BMS的软件开发要点:SOC估计、SOH估计、剩余寿命预测

人工智能机器学习

基础

1. 人工智能的发展

2. 机器学习的关键概念

3. 机器学习在电池管理中的应用案例介绍

人工智能在电池荷电状态估计中的应用

1. 荷电状态估计方法概述

2. 基于支持向量机的SOC估计

(1)锂电池测试及数据集

(2)基于SVM的估计框架

(3)模型验证和讨论

3.基于神经网络的SOC估计

(1)锂电池数据集

(2)基于BP/CNN/LSTM神经网络的估计框架

(3)不同输入的对比分析

(4)不同工况/温度的精度验证

3. 基于迁移学习的 SOC 估计

(1)锂电池测试及数据集

(2)基于深度迁移学习的SOC估计

(3)多温度下 SOC 估计验证

(4)多老化点下 SOC 估计验证

实例讲解1:基于支持向量机的SOC估计

实例讲解2:基于神经网络的SOC估计

实例讲解3:基于迁移学习的SOC估计

       
       

人工智能在电池健康状态估计中的应用

1. 健康状态估计方法概述

2. 人工智能技术在电池单体SOH预估中的应用

(1)健康因子提取

(2)构建人工智能模型

(3) 模型训练与超参数优化

(4)电池系统健康状态

3. 满充满放恒定工况下基于机器学习的电池SOH估计

(1)健康因子提取

(2)健康因子相关性分析

(3)基于机器学习的电池SOH估计

4. 多阶恒流/片段恒流工况下的 SOH 估计方法

(1) 锂离子电池老化数据集

(2)SOH健康特征提取

① 电池公开数据集老化试验

② 电池增量容量曲线提取

③ 电压序列构建方法

④ 电压序列相关性分析

(3)健康特征提取

(4) 基于神经网络的电池SOH估计方法

5. 动态放电工况下基于模型误差谱的 SOH 估计方法

(1)方法基本原理及框架

(2)数据集及参数辨识

(3)模型误差面积提取

(4)老化特征及工况特征融合

(5)模型训练及验证

6. 基于云端大数据的电池SOH估计

(1)数据预处理

(2)容量标签构建

(3)容量估算框架

(4)多场景验证及测试

实例讲解1:满充满放恒定工况下的电池SOH估计

       

实例讲解2:多阶恒流/片段恒流工况下的电池 SOH 估计

实例讲解3:动态放电工况下基于模型误差谱的 SOH 估计

       
       

实例讲解4:基于实车运行大数据的电池 SOH 估计

       

人工智能在电池寿命预测和衰后性能预测中的应用

1. 锂离子电池状态、轨迹及特性预测概述

2. 基于传统机器学习SVR的电池剩余寿命预测

(1)数据集介绍

(2)特征提取及估计框架

(3)方法验证及讨论

3. 基于深度学习的电池RUL联合预测方法

(1)电池数据集介绍

(2)特征提取及估计框架

(3)方法验证及讨论

4. 基于机器学习的电池SOH和RUL联合预测方法

(1)数据集介绍

(2)研究框架和方法

(3)结果分析与验证

5. 基于数据驱动的电池衰退轨迹预测方法

(1)数据集及数据预处理

(2)特征工程与退化敏感特征提取

(3)数据集构建与划分

(4)模型选择与训练

(5)轨迹预测与评估优化

实例讲解1:基于支持向量回归的寿命预测方法

实例讲解2:基于深度学习的寿命预测方法

实例讲解3:基于机器学习的健康状态及寿命联合预测方法

实例讲解4:基于深度学习的电池衰退轨迹预测方法

       
       
       
       
       

人工智能在电池热失控预警中的应用

1. 电池热失控预警方法概述

2. 算法数据集介绍:电池故障数据来源

3. 基于无监督聚类算法(KMeans)的电池现实故障检测方法

(1)KMeans聚类方法

(2)基于聚类方法的检测框架

(3)检测结果集讨论

4. 基于无监督聚类算法(DBSCAN)的电池现实故障检测方法

(1)DBSCAN聚类方法

(2)基于聚类方法的检测框架

(3)检测结果集讨论

5. 基于局部离群因子的电池系统故障智能诊断方法

(1)LOF 算法核心原理

(2)特征选择及逻辑判断准则

(3)结果分析及验证

6. 基于深度学习的电池系统智能故障诊断方法

(1)神经网络诊断框架

(2)结果分析及验证

实例讲解1:基于KMeans的异常电芯检测

实例讲解2:基于DBSCAN的异常电芯检测

实例讲解3:基于LOF的异常电芯检测

实例讲解4:基于深度学习的异常电芯检测

       
       
       
       



报名须知

01.

时间地点

   

2025年08月16日-08月17日
2025年08月22日-08月24日
在线直播(授课五天)

02.

增值服务

   

1、凡报名学员将获得本次培训课件及案例模型文件;

2、培训结束可获得所学专题课程全部无限次回放视频;

3、参加培训并通过考试的学员,可以获得:北京软研国际信息技术研究院培训中心颁发的专业技能结业证书。

           
锂电那些事免责声明            
         
      本公众 号部分内容来源于网络平台,小编整理,仅供学习与交流,非商业用途!对文中观点判断均保持中立,版权归原作者所有,如有报道错误或侵权,请尽快私信联系我们,我们会立即做出修正或删除处理。谢谢!            

来源:锂电那些事
汽车电力新能源参数优化理论材料储能多尺度试验人工智能装配
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-07-23
最近编辑:7小时前
锂电那些事
锂电设备、工艺和材料技术研发应
获赞 205粉丝 209文章 2475课程 0
点赞
收藏
作者推荐

电动重卡的电池怎么就逆袭了?

锂电那些事今日头条2025年07月19日 星期六新能源重卡无疑是近年动力电池业最为值得重视的赛道之一。 当电动重卡正以惊人的速度崛起,其背后的核心引擎——重卡动力电池销量也同步飙升。 2024年国内新能源重卡销量达8.27万辆,同比增长139.4%,而2024年中国电动重卡仅充电车型的动力电池装机量就达到26.8GWh,同比增长120.5%。远高于同期中国市场新能源汽车整体动力电池装机量37.3%的增速。 今年上半年,这一趋势得到进一步确认:2025年6月,国内新能源重卡销量达1.48万辆,同比增长高达187%。 由于新能源重卡经常使用的规格是和储能一样的314电芯,甚至有人调侃: 卡车已经开始跟储能抢产线了。 回望新能源重卡的发展,会发现其实并不是电动乘用车技术的简单移植与套用那么简单,背后是重卡电池方案的不断迭代,最终越过了拐点。 由于自重和载荷巨大、风阻系数高,重卡单位行驶里程的能耗远高于乘用车,是名副其实的能耗“大户”。动辄数十吨的载重、日均数百公里的高强度运营、极端工况下的稳定性需求,与乘用车的使用场景也有着天壤之别。 耐造耐耗的需求对电池技术提出了严苛挑战,也正电池技术的持续突破,让电动重卡从概念走向实用。 01续航里程突破电池能量密度的跃升是电动重卡实用化的核心支撑。能量密度是电动重卡 “储电能力” 的核心指标,能直接提高续航里程。 传统燃油重卡单次加油可续航 800-1000 公里,能覆盖城际干线、长途物流等核心场景;而早期电动重卡因续航不足 200 公里,仅能局限于港口、矿区等封闭或短途场景。 如今,用于重卡的大容量电池单体能量密度已突破220Wh/kg,可支持续航里程长达800公里,彻底打破场景局限,使电动重卡具备承担中长途运输任务的能力。 同时能量密度提升通过优化电池体积重量比,也间接增加了有效载货重量,进一步增强了实际运营价值。 解决了续航与载重问题后,补能效率成为制约运营效率的关键瓶颈。相较于传统燃油车 10 分钟的加油时长,电动重卡曾因充电慢大幅影响运营节奏。 为破解这一痛点,行业形成 “超充” 与 “换电” 双路径并行的两个流派: 超充派:通过高功率充电设备实现快速补能。以往 350kW 功率充电桩充满 300kWh 电池需 1-2 小时,而当前超充桩最大功率已达 1.5 兆瓦,每分钟可补充约 20 度电,充满同等容量电池仅需 15 分钟。 这意味着车辆每天可多跑 1-2 趟运输,显著提升物流效率与经济性,适配高速线等长续航连续运行场景。这一派以华为为盟主。 ‘ 换电派:则依托标准化电池箱实现快速更换。单次换电仅需 5 分钟,效率接近加油时长。这种模式更适用于港口、矿山、短途倒运等固定线路高频次作业场景,大幅降低补能等待成本。 这一派,则由宁德时代力推。02性价比骤升 各行各业都在卷价格,电动重卡自然也不例外。2022 年 11 月电池级碳酸锂达到近 60 万元/ 吨的顶点之后大幅下降,最终传导至动力电池领域。 动力电芯价格从 2023 年开始不断走跌,现已降至每瓦时 0.4 元以下,直接带动整车成本下降。比如一辆装配423kWh的重卡市场价格甚至已经从2023年的63万低至如今的50万元左右,直逼燃油重卡。 加上电费成本显著低于柴油,按工业电价0.7元/度计算每公里电费成本不到0.25元,远低于柴油车每公里约 2 元的油费。 同时,电动重卡省去了发动机、变速箱等复杂总成,维护保养费用更低。多重成本优势叠加,保守估计电动重卡的全生命周期成本(TCO)要比燃油重卡低10多万,也使得电动重卡作为商品有了吸引力。 03巨头的电池军备赛 作为电动重卡的核心部件供应商,各大电池厂商自然不会放过这块大蛋糕,纷纷推出针对重卡应用的电池新品和解决方案,力求在这一市场中占据一席之地。 宁德时代:主打标准化+换电2025 年宁德发布的 75 号标准换电块,便是其探索重卡电池标准化的成果。宁德时代开发了底盘换电接口,形象地说就是给重卡装上 “乐高积木” 式的电池接口,使不同厂商车型都可兼容通用,也利于电池批量生产以降低成本。 此外,宁德更是积极布局换电网络,提出 2030 年前构建全国 “八横十纵” 干线换电走廊。 2025 年底前自建 1000 座重卡换电站,并联合伙伴共建更多站点,构建起涵盖电池供应、换电站运营、电池回收的完整生态圈。 亿纬锂能:细分场景定制化 2025 年亿纬锂能发布了第三代商用车 “开源电池” 产品矩阵,意为“开源节流”。涵盖微面、轻卡、重卡、客车、工程机械等全场景应用,一次推出了 4 款不同规格的重卡电池,分别针对短倒运输和干线物流等细分场景优化。 比亚迪:刀片电池+多枪快充 比亚迪推出的重卡系列全部搭载公司自主的磷酸铁锂刀片电池,并辅以多枪超快充技术。 刀片电池以高安全、高寿命著称,同时采用 CTP无模组结构设计,空间利用率可从传统电池的约 40% 提升至 60%,能在同样体积的空间内布设更多数量的电芯,从而提高能量密度。 在充电方面,比亚迪重卡创新采用四枪同时充电设计,可支持最大1000A电流、600kW功率,实现在20%-80%电量区间40分钟内充满。 国轩高科:轻量长寿+全气候适应能力 2025年国轩发布了全新的“G行”重卡电池,针对重卡用户续航短、充电慢、极端温度不适三大痛点给出解决方案,使其在-30℃环境仍能高效充电,并可实现-40℃到65℃的电池温度精准控制。 此外,G行电池还追求超长寿命和零衰减,总寿命达12年10000次循环,累计行驶里程超过400万公里。更轻的重量和更慢的衰减,让用户每趟可多载货约0.5吨,大大提升运营价值。 但目前来说,宁德时代的在重卡市场,依旧是遥遥领先,这一优势,甚至远大于它在动力电池领域。04各自结盟 在重卡电动化进程中,主流重卡整车企业与电池供应商之间的合作格局也逐渐成形。 大多数整车厂采取多供应商策略,广泛引入多家电池企业的产品,如三一集团除行业龙头宁德时代外,还与亿纬锂能、瑞浦兰钧、国轩高科、远航锦锂、中创新航、楚能新能源等众多电池厂商合作,累计引入了6-8家电池供应商。 这种多供应商布局既保证了电池供应的稳定性,避免对单一厂家过度依赖,又可集各家技术所长于一身,引入不同类型的电池方案,也有利于在供应链中获取更大主动权,倒逼电池企业优化产品和价格。 但也有整车厂选择深度绑定少数几家电池伙伴。典型如华菱汽车,其新能源重卡动力电池主要由国轩高科和亿纬锂能两家供应。通过集中采购,华菱或能与供应商建立更紧密的协同,在电池定制开发、供应链等方面有所保障。 数据来源:动力电池应用分会数据中心 05结语 曾经动力重卡续航和载重限制,被认为几乎不可能成为主流,现在却异军突起,成为锂电需求增长最快的细分场景。 电动重卡的突破,无疑是电池技术进步带来的又一增量市场。这也意味着一个论断: 凡有动力,皆可锂电,能在电池进步下够成为现实。 -END- 作者:江乐文 编辑:陈帅 锂电那些事免责声明 本公众 号部分内容来源于网络平台,小编整理,仅供学习与交流,非商业用途!对文中观点判断均保持中立,版权归原作者所有,如有报道错误或侵权,请尽快私信联系我们,我们会立即做出修正或删除处理。谢谢! 来源:锂电那些事

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈