在确保电动汽车和固定储能系统等新兴应用的质量性能方面，准确预测锂离子电池在各种操作条件下的老化是一个必要但具有挑战性的任务。准确实时的电池老化预测模型需要准确了解电池组件和材料的退化机制，从而为材料和电池基础研究提供新的见解。此外，人工智能/机器学习加速预测周期的主要障碍是利用准确的老化机制描述符。近日，清华大学何向明、同济大学Dai Haifeng对准确的模型参数识别促进锂离子电池的精确老化预测进行了综述研究。

本文要点：

1) 作者全面总结了不同环境和使用场景下材料和电池退化机制的演变，包括老化机制、退化模式和外部影响之间的复杂关系，这是建模模拟和机器学习技术的基石。

2) 作者概括了电化学模型与内部电池退化机制以及老化参数识别和跟踪的最新进展，特别强调了电极平衡和机器学习辅助的可靠剩余使用寿命预测趋势。电池老化的精确模拟预测将继续在先进的智能电池研究和管理中发挥重要作用，在缩短实验序列的同时提高其性能。

参考电竞投注官网 ：

Shicong Ding et.al Accurate Model Parameter Identification to Boost Precise Aging Prediction of Lithium-Ion Batteries: A Review Adv. Energy Mater. 2023

DOI: 10.1002/aenm.202301452

https://doi.org/10.1002/aenm.202301452