Tech Talk | 锂电池电化学模型参数辨识速度缩短至分钟级！技术路径及意义探究

近年来，锂电池的电化学模型在电池管理系统领域的应用备受关注。电化学模型因其涉及参数众多，并且参数之间的敏感性具有巨大差异，使得参数辨识成为限制电化学模型发展的“卡脖子”难题。

什么是参数辨识？如何提升参数辨识速度？快速参数辨识的意义是什么？关于这些问题，本期的Tech Talk，我们邀请到了美克生能源算法工程师郝工，和大家分享美克生能源如何利用多项硬科技实现了基于数据驱动的人工智能锂电池电化学模型快速参数辨识技术，快速、高效、准确的参数辨识方法将如何推动新一代更先进、智能的基于电化学模型的电池管理系统和电池安全管理技术的发展和落地。

郝工 美克生能源算法工程师

01 为什么要做参数辨识？

郝工：锂电池模型主要包括等效电路模型、阻抗模型和电化学模型等，其中等效电路模型只能计算出电池的外部特征，而电化学模型精度最高，可以计算电池的内外部特性，指示下一代更先进、更智能的电池管理系统发展方向。

参数辨识难度的高低和模型精度成正比

无论使用哪种模型，我们都需要知道电池的模型参数。参数辨识难度的高低和模型精度成正比，以二阶等效电路为例，模型只涉及了5个参数，模型精度就大打折扣。电化学模型是由多个高度耦合的偏微分方程对系统变化进行描述，涉及几十个参数，整体计算难度都远大于二阶等效电路模型。

02 怎样做参数辨识？

郝工：传统的参数辨识方法（侵入性实验）往往需要在氩气环境下拆开电池，使用最先进的测试仪器对电池材料进行测试，整体测试时间长达数月，这种方法费时费力，还极大的增加了电化学模型的使用成本，而且在某些特定条件下，由于保密协议的限制，不允许进行侵入性的电池参数识别实验，这进一步提高了准确、快速识别电化学模型参数的难度。如果继续使用这种方法来获取电池的参数，那电化学模型基本无法在电池管理领域做到规模化发展。

与侵入性实验相比，由数据驱动的参数辨识方法具备大幅度降低成本，节约时间、不受保密协议限制的优势，在工业界和学术界都引起了广泛关注。

由数据驱动的参数辨识主要是通过算法在参数值的合理范围内不断试探新的参数值，并将参数值代入模型中，将模型的输出值与电池的真实测量进行比较，直至找出一组参数值，使得模型输出值与电池实测值相吻合。

通过数据驱动的参数辨识虽然避免了拆解电池对电池材料进行测试，但并不意味着获取电池的模型参数是件容易的事情。根据已有报道，早期电化学模型参数辨识花费了大约三周的时间，直到最近的文献报道中参数辨识的时间才得到大幅提升，缩短至几个小时。即便如此，参数辨识的速度仍是限制行业商用的决定因素，因为单个电芯的参数辨识就需要几个小时，对于数万节电芯的储能电站来说，辨识出全部电芯的参数所消耗的时间及成本都是巨大的。

03 如何提升参数辨识速度？

郝工：数据驱动的参数辨识目前面对的主要问题是耗时较长，其原因主要有以下两点：一是电化学模型复杂程度高，涉及很多个高度耦合的偏微分方程，计算耗时长；二是电化学模型参数极多，这些参数组成多个参数集，如果使用网格化搜索（暴力求解），需要反复调用电化学模型进行计算，举个例子，假如辨识的参数有30个，每个参数在合理范围内取10个合理值，那么需要搜索的参数集为10³⁰，那么就需要调用10³⁰次模型进行计算，这是一个天文数字。即便是使用最先进的智能启发式算法也需调用上万次模型进行计算。

同时数据驱动的参数辨识还有辨识出的参数存在过拟合的问题，即在辨识使用的工况下，参数拟合的很好，但在其它工况下，参数拟合的精度有限。

左图为参数辨识使用的工况，误差较小

右图为辨识出来的参数在其它工况下的表现，误差较大

为了解决以上问题，我们提出了以下的解决方案：

1、通过硬件求解器加速模型计算速度，即通过将电化学模型的求解算法嵌入到硬件中，可充分利用硬件的高速计算能力，根据测算，计算速度最高可提高2000倍。

2、人工智能大幅减少模型调用次数，根据参数敏感度和高敏感工况分析，通过实际电池数据和合成电池数据生成了包含上千万条数据的数据集，并由数据集训练了神经网络。对需要进行参数辨识的新电池，从其实际运行数据中提取用来辨识的数据，经过神经网络快速输出模型参数初始值，减少至少一半的模型调用次数，通过启发式算法及滤波算法进一步辨识参数，提升参数准确度。

3、机器学习经验提高参数辨识精确度，在参数辨识过程中，使用多目标函数，并在每个epoch使用验证集测试辨识的参数集，减少参数辨识过拟合，提高参数的泛化能力。

得益于硬件求解器的高速计算能力和数据集训练出的神经网络，我们将目前数据驱动的参数辨识耗时缩短至分钟级。未来，我们还将继续扩大数据集，用来训练性能更好的神经网络，进一步提高参数的辨识速度。

04 快速参数辨识的意义是什么？

郝工：参数辨识意义重大，是电池模型计算的基础，快速、高效、准确的参数辨识方法更是将直接推动新一代更先进、智能的基于电化学模型的电池管理系统和电池安全管理技术的发展和落地。没有快速参数辨识技术，基于电化学模型的电池管理技术就无法实际商用规模化发展。

2021年4月6日韩国一光伏电站储能系统（ESS）起火

2021年4月16日丰台区福威斯光储充一体化项目发生火灾爆炸

基于快速辨识出的模型参数可以更准确评估电池的状态，同时电化学模型能够仿真电池内部状态，更为准确地预测锂电池的寿命衰减，有效预防锂电池安全事故的发生，精准评估锂电池真正的安全运行工况范围，还能够通过辨识出的参数值的变化了解电池在老化过程中各部分材料的衰退状态，对电池的设计优化提出指导意见，为电化学储能在“双碳”目标下向规模化发展，提供了有力抓手。

随着人工智能的发展，科学在不断促进各项技术的发展和创新，为各个行业提供更多、更好的改进方案，美克生能源也在不断学习和了解人工智能的前沿技术，随着基于人工智能的快速参数辨识不断发展，美克生能源将为更多企业提供锂电池全生命周期的安全预警技术，为储能电站大规模发展及安全运行提供支撑。

上一篇：电化学储能迎来五大创新机遇

下一篇：储能安全专家美克生能源应邀参会，与平高集团、比亚迪等共同制定电化学储能系统现场验收标准