固态锂电池

宽温高比能

提供三种固态锂电池体系（PEO、LATP、凝胶电解质）的全生命周期健康评估与寿命预测，利用混合LSTM模型捕捉退化趋势并处理拐点。

Haoran, Bai · Wang, Xuan · Yong, Gan · 赵晓昱 · 靳洪允 · 王冠楠 · 康国政 · 陈伟球

International Journal of Fatigue 2026

参数信息

R²

>0.91

均方误差

<0.6

技术优势

预测可靠

通过Particle Swarm Enhanced Sparrow Search优化超参数，模型R²保持在0.91以上，MSE低于0.6，能处理曲线不稳定、加速疲劳失效和拐点等复杂场景。

三种体系通吃

模型对PEO基、LATP基和凝胶电解质基三种固态锂电池均能进行SOH评估和全寿命分析，无需为每种体系单独开发模型。

抗噪能力强

利用变分模态分解消除健康指标中的高频噪声，使模型能更准确地刻画容量退化的非线性特征。

应用场景

• 固态电池寿命预测：为三种固态电池体系提供全生命周期SOH和剩余寿命预测，替代需分别开发模型的传统做法。
• 电池健康管理：模型嵌入BMS后可在线评估健康状态，提前预警加速疲劳失效和拐点。
• 电池管理系统：提供R²>0.91的高精度SOH预测，为BMS的均衡、热管理和寿命管理策略提供依据。
• 储能系统运维：通过全生命周期评估提前识别容量加速衰减，指导储能电站的运维与更换计划。