退役电池EIS容量估算模型

精度提升超90%

通过EIS特征与迁移学习，快速准确评估退役电池容量，降低梯次利用成本。

Fan, Wenjun · 江波 · Wang, Xueyuan · Yuan, Yongjun · 朱建功 · Wei X. · Haifeng, Dai

eTransportation 2024

参数信息

容量估算精度提升

90 %

退役镍钴锰电池容量估算误差

2.33 %

退役镍钴锰电池容量估算均方根百分比误差

2.75 %

退役磷酸铁锂电池容量估算误差

4.12 %

退役磷酸铁锂电池容量估算均方根百分比误差

5.04 %

单个电池检测时间

1.67 min

技术优势

检测快

通过 EIS 特征，每个电池的容量估算只需 1.67 分钟，大幅减少测试时间。

精度高

退役镍钴锰电池容量估算的 MAPE 低至 2.33%，RMSPE 为 2.75%。

泛化好

模型在实验室不同温度数据和不同材料类型的退役电池上均有效，表明其跨温度和跨材料的泛化能力。

迁移省事

仅用少量数据迁移学习即可提升精度超过 90%，省去重复建模和训练的成本。

应用场景

• 电池梯次利用：快速准确估算容量，帮助将退役电池分配到合适场景。
• 电池健康管理：EIS 特征与迁移学习结合，实时评估电池健康状态，支持维护决策。
• 退役电池分选：1.67 分钟检测一节，大幅提升退役电池分选效率。
• 电化学阻抗谱检测：从 EIS 中直接提取特征，建立性能相关模型，简化测试流程。