The importance of degradation mode analysis in parameterising lifetime prediction models of lithium-ion battery degradation
Ruihe Li、Niall D. Kirkaldy、Fabian F. Oehler、Monica Marinescu、Gregory J. Offer、Simon E. J. O’Kane
1. The importance of degradation mode analysis in parameterising lifetime prediction models of lithium-ion battery degradation
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | DOI；Nature 全文页及 PDF |
| 发现来源 | Crossref；来源 URL 为 DOI、Nature PDF |
| 期刊/会议/平台 | Nature Communications，16，Article 2776 |
| 发表日期 | 2025-03-21；Nature 版本记录确认。DOI resolver 曾显示 2025-03-20，采用出版社版本记录日 |
| 作者/机构 | Ruihe Li、Niall D. Kirkaldy、Fabian F. Oehler、Monica Marinescu、Gregory J. Offer、Simon E. J. O’Kane；Faraday Institution/Imperial College London；Oehler 属 Technical University of Munich |
| 通讯作者 | Gregory J. Offer；Nature 全文明确列出 |
| 脚本评分/证据等级 | 90；全文级。评分涉及电池寿命建模、期刊与引用等，评分不代表实验结论 |
| 核验路径 | payload PDF → Nature PDF 内容成功 → Nature 出版社 HTML 全文、方法和数据可用性核对 |
纳入理由与原文证据
- 主题/边界： 本文研究的是用于寿命预测的退化模型参数化和 SOH/退化轨迹拟合；它没有输出 RUL/EOL 预测值，故作为机理建模方法纳入，不视为独立 RUL 估计器。
- 证据： 五机制模型在三种温度下同时拟合退化模式优于简化模型；但实验3在 10°C 失效，不能外推为全工况可靠。Nature 全文
数据集/电池体系
- 体系/数据： 商用 21700 LGM50T 圆柱电芯，SiOx 掺杂石墨负极、NMC811 正极，标称 5 Ah。用 Kirkaldy 等人的 Experiment 2 参数化、Experiment 3 验证；每组工况有两个测试电芯。
- 工况/跨域： Experiment 2 在 10/25/40°C、70%–85% SOC 循环；Experiment 3 使用相同温度、85%–100% SOC。跨 SOC 但仍限同型号/化学体系。
EOL/RUL/SOH 定义
- 目标/定义： SOH 定义为各次 RPT 的 C/10 容量除以首次 RPT 容量；另拟合 0.1 s 电阻、LLI、负极/正极活性材料损失。没有给出本文自己的 RUL/EOL 标签或寿命阈值。
- 未来信息风险： 参数在 Experiment 2 拟合、Experiment 3 验证，提供了独立老化实验检查；但参数化过程中使用完整老化数据，不是从早期窗口预测未来寿命的评估，不能与早期 RUL 任务直接比较。
模型方法
- 流程： Doyle–Fuller–Newman 伪二维电化学模型 + 集总热模型；比较 SEI-only、SEI+dry-out 与五机制耦合（SEI、生电解液干涸、锂析出、活性材料损失、应力颗粒开裂）。按五项指标加权误差选择参数。
- 部署： 五机制参数搜索平均约需 4 GB 内存、2 CPU、16 小时；部分 10°C 参数组合超过 72 小时，不是已验证的车载在线部署方案。
验证设计
- 划分/泛化： Experiment 2 拟合、Experiment 3 验证；未见随机窗口划分。模型在 Experiment 3 的 40°C 表现较好，10°C 失效，25°C 仍有误差。
- 可信度： 中。跨独立老化实验有价值，但数据集中于一种电芯体系，且论文明确报告低温验证失败。
指标与结果
- 三模型电压平均 MPE 均低于 0.8%、RMSE 均低于 40 mV；五机制模型在 Experiment 2 的总体五指标 MPE 合计 34.45%，低于 SEI+dry-out 的 45.14%。Experiment 3 在 40°C 五机制模型总体 MPE 为 10.58%，这些是拟合/退化状态指标，不是 RUL 误差。
泄漏风险、复现性与局限性
- 泄漏风险： 中；参数化采用整段 Experiment 2 老化信息，若改作早期预测须重新按时间截断；Experiment 3 作为验证集是有利设计。
- 复现性： 高；实验数据、模拟结果及代码见 Zenodo 14995785。
- 局限性： 未采用优化器；模型无法拟合部分温度/SOC依赖；未拟合实验1/5，实验4因计算成本未尝试，硅退化机制也未建模。
是否值得跟进
- 结论： 跟进。
- 理由与下一步： 值得用于审查寿命模型的退化模式可辨识性。下一步用公开代码复现实验3，并补充其他化学体系及真正的早期 RUL/EOL 预测基准。
查看关键词分类依据
- EOL / cycle life prediction · 标题包含「lifetime prediction」
degradation mode analysis in parameterising lifetime prediction models of lithium-ion battery degradation - Capacity fade / trajectory prediction · 摘要包含「capacity fade」
en validated against the remaining capacity (capacity fade) and sometimes resistance (power fade). However, there are many different combi - Generic neural network / deep learning · 摘要包含「data-driven」
on papers using physics-based, empirical, or data-driven models, most of which have been validated against the remaining capacity (capac - Degradation mechanism / cycling stability analysis · 摘要包含「degradation mechanism」
er, there are many different combinations of degradation mechanisms in lithium-ion batteries that can result in the same patterns of capacity and - Empirical degradation model · 摘要包含「empirical」
etime prediction papers using physics-based, empirical, or data-driven models, most of which have been validated against the remaining - Self-built / experimental dataset · 摘要包含「experimental」
ossible to find a unique validated solution. Experimentally, degradation mode analysis involving measuring the loss of lithium inventory, - Li-ion / LIB · 标题包含「lithium-ion」
parameterising lifetime prediction models of lithium-ion battery degradation