Predicting Battery Lifetime Under Varying Usage Conditions from Early Aging Data

要約

正確なバッテリー寿命予測は、予防保守、保証、セルの設計と製造の改善にとって重要です。
ただし、製造上のばらつきや使用状況に応じた劣化により、寿命の予測が困難になります。
ここでは、大きく異なる充電率、放電率、放電深度の下でサイクルされたセルの寿命を予測するために、初期寿命の容量-電圧データから得られた新しい特徴を調査します。
特徴は、サイクリング中に定期的にスケジュールされた基準パフォーマンス テスト (つまり、低レートのフル サイクル) から抽出されました。
初期の特徴は、細胞の健康状態とコンポーネントレベルの劣化モードの変化率を捕捉し、その一部は細胞の寿命と強く相関します。
さまざまな条件下でエージングされた 225 個のニッケル-マンガン-コバルト/グラファイト リチウムイオン電池から新たに生成されたデータセットを使用して、最初の 15 電池のみを使用して、平均絶対パーセント誤差 15.1% で流通中の電池の寿命予測を実証します。
ほとんどのセルのデータの %。
階層ベイジアン回帰モデルを使用したさらなるテストでは、外挿のパフォーマンスが向上し、分布外セルの平均絶対パーセント誤差が 21.8% に達したことが示されました。
私たちのアプローチは、リチウムイオン電池の劣化モードに関する専門知識を利用して特徴エンジニアリングに情報を提供することの重要性を強調しています。
さらに、定格容量の 80% を超えてサイクルしたセルを含む、新しい一般公開されているバッテリー劣化データセットをコミュニティに提供します。

要約(オリジナル)

Accurate battery lifetime prediction is important for preventative maintenance, warranties, and improved cell design and manufacturing. However, manufacturing variability and usage-dependent degradation make life prediction challenging. Here, we investigate new features derived from capacity-voltage data in early life to predict the lifetime of cells cycled under widely varying charge rates, discharge rates, and depths of discharge. Features were extracted from regularly scheduled reference performance tests (i.e., low rate full cycles) during cycling. The early-life features capture a cell’s state of health and the rate of change of component-level degradation modes, some of which correlate strongly with cell lifetime. Using a newly generated dataset from 225 nickel-manganese-cobalt/graphite Li-ion cells aged under a wide range of conditions, we demonstrate a lifetime prediction of in-distribution cells with 15.1% mean absolute percentage error using no more than the first 15% of data, for most cells. Further testing using a hierarchical Bayesian regression model shows improved performance on extrapolation, achieving 21.8% mean absolute percentage error for out-of-distribution cells. Our approach highlights the importance of using domain knowledge of lithium-ion battery degradation modes to inform feature engineering. Further, we provide the community with a new publicly available battery aging dataset with cells cycled beyond 80% of their rated capacity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google