4月27日，《自然·通讯》（Nature Communications）在线发表了题为“Data-driven capacity estimation of commercial lithium-ion batteries from voltage relaxation”的研究论文。该研究由同济大学汽车学院魏学哲教授团队完成，团队朱建功副教授为论文第一作者，戴海峰教授为论文通讯作者。同济大学为论文第一完成单位，德国卡尔斯鲁厄理工学院为第二完成单位。这一研究成果提供了一种动力电池容量估计的新方法，为多种应用场景下的电源系统技术开发提供了新思路。

电池在应用过程中，其容量是逐渐衰减的。如电动汽车整车层面，电池容量决定了汽车充电后的最大续行驶里程。在电池系统层面，电池容量是电池管理中很多关键状态的必要输入，也是电池健康度的一个重要表征量。但在车载条件下，电池容量很难获取。

研究使用数据驱动的方法，提出了一种基于电池弛豫电压特征的容量估计方法。该方法从动力电池满充电后的弛豫电压信息中提取特征参数，实现电池容量估计误差（RMSE）为1.1%（图1）。通过构建迁移学习办法，提升估计方法的泛化能力和普适性。所构建的迁移学习办法在其他两款不同材料体系电池上进行了验证，验证得到的估计误差低于1.7%。

研究成果公开了三款不同材料体系商用锂离子动力电池长循环测试数据（如表1），包含130颗电池单体，每颗单体根据不同实验条件循环了50~1400次，实验条件包含了3个温度点（25℃、35℃、45℃），5个充放电倍率（0.25C、0.5C、1C、2C、4C）。

专业人士表示，本研究提出的基于电池弛豫电压特征参数的容量估计方法，具有不依赖电池历史信息和环境信息、不需要特定的电池测试条件和电压区间的优势，为动力电池多种应用场景和电源技术的开发，如停车充电、换电、梯次利用寿命评估和寿命预测等方面提供新的研究思路和解决方向。

这一研究主要由同济大学、德国卡尔斯鲁厄理工学院和不列颠哥伦比亚大学合作完成，研究得到德国洪堡基金会、国家自然科学基金及中央高校基本科研业务费专项资金资助，得到德国乌尔姆-卡尔斯鲁厄电化学能源存储平台支持。

本研究还向全球开放数据，开放获取链接为：https://doi.org/10.5281/zenodo.6379165

论文链接：https://www.nature.com/articles/s41467-022-29837-w