MIT团队利用机器算法开发EV锂离子电池安全极限

据外媒报道，麻省理工学院（MIT）与清华大学的研究人员合作，开发电动汽车锂离子电池的安全极限。他们使用高精度的软包电池有限元模型，进行了2500多次模拟，随后用机器学习算法分析数据。

安全极限（safetyenvelope）是指保证电池安全运行的机械荷载条件。研究人员利用两类相图，对安全极限进行可视化研究，一种分类器可以快速预测出现短路现象或既定负载条件下的安全状况，另一种回归器可以定量辨识造成短路的变形量。

电动汽车发生事故时，电池组会严重受损，出现电气短路和热失控现象，有可能引发火灾和爆炸。因此，研究单个电芯在何种条件下能保持安全运行，即安全极限，是很重要的。研究人员Li表示：“开发安全极限的最大挑战在于，获取充足的电池故障测试数据。在本次研究中，我们建立高度精细的锂离子软包电池计算模型，其中所有组成材料都采用经过良好校准的本构模型，克服了上述挑战。通过模拟大的极限机械载荷矩阵，并利用机器学习算法得到数据驱动的安全极限。这项工作是将数值数据生成与数据驱动建模结合起来的示范，可以用来预测储能系统的安全性。”

本次研究仅局限于具有NMC正极和石墨负极的大尺寸二次软包电池。此外，研究人员指出，由于用于开发安全极限的数据来自于模拟数值，所以，与真实值相比，存在一定误差。在电动汽车锂离子电池安全模型开发过程中，本研究为机器学习工具的应用供应实证，而且有望继续改进。