基于先验数据拟合网络与阻抗谱的钠离子电池智能短路诊断方法

《IEEE/CAA Journal of Automatica Sinica》:Prior-Data Fitted Network with Impedance Spectroscopy for Smart Short Circuit Diagnosis in Sodium-Ion Batteries of Power Systems

【字体: 大 中 小 】 时间:2026年01月04日 来源:IEEE/CAA Journal of Automatica Sinica 19.2

编辑推荐:

  本刊推荐:为解决钠离子电池(SIBs)内部短路(ISC)故障诊断难题,研究团队创新性地结合电化学阻抗谱(EIS)与表格先验数据拟合网络(TabPFN),开发出小样本场景下的智能诊断策略。实验表明该方法仅需1kHz以上高频EIS数据即可实现95.4%的检测精度,为电力系统电池安全运维提供新思路。

  
随着碳中和目标的推进,钠离子电池凭借成本低廉、低温性能优越等优势,在微电网、储能电站等电力系统领域展现出替代锂离子电池的巨大潜力。然而其内部短路(ISC)故障诊断研究仍处于起步阶段,传统依赖电压电流信号的诊断方法存在精度不足、安全隐患大等问题。更严峻的是,故障样本稀缺导致数据驱动方法性能急剧下降,而基于物理模型的方法又严重依赖参数准确性。这一系列挑战如同悬在电池安全领域的达摩克利斯之剑,制约着钠离子电池的大规模应用。
为破解这一难题,山东大学控制科学与工程学院刘凯龙团队在《IEEE/CAA Journal of Automatica Sinica》发表最新研究,巧妙融合电化学阻抗谱(EIS)与人工智能技术,开创性地提出基于表格先验数据拟合网络(TabPFN)的智能诊断方案。该研究首先构建精密实验平台,通过NEBULA BTS-V001电池测试仪、温控箱和EIS测试仪,在9个荷电状态(SOC)点采集了涵盖100Ω至1Ω不同短路程度的216组EIS数据。
核心技术方法包括:1)通过TabPFN的贝叶斯先验拟合机制实现小样本高效学习,其训练过程最小化后验预测分布(PPD)的交叉熵损失;2)采用二维注意力机制处理表格数据,增强模型对特征间因果关系的捕捉;3)结合结构因果模型(SCM)生成合成数据,提升模型泛化能力;4)利用SHAP可解释性分析量化频率特征重要性。
研究结果方面:
EIS关键频率带特征选择 通过SHAP值分析发现,高频区(>1kHz)阻抗特征对ISC诊断贡献度最高。
这一发现使得EIS检测时间大幅缩短,为快速诊断奠定基础。
故障检测结果分析 五折交叉验证显示,TabPFN在216个样本中实现95.4%准确率和0.967的AUC值。
混淆矩阵显示206个样本正确分类,概率分布图清晰展现正常与故障状态的可分离性。
与其他数据驱动模型比较 与传统方法对比实验中,TabPFN在准确率、精确度、召回率等五项指标均超过0.95,显著优于XGBoost(0.875)和支持向量机(SVM)(0.848)。
其成功归因于从大量表格数据预训练中获得的结构先验知识,以及概率框架对数据稀缺场景的适应性。
该研究通过理论创新与方法突破,成功构建了兼具高精度与可解释性的钠离子电池故障诊断体系。不仅解决了小样本条件下的ISC检测难题,更通过特征重要性分析为EIS检测效率优化提供科学依据。未来研究将聚焦温度变化与动态负载条件下的算法鲁棒性提升,这一成果为电力系统电池安全运维树立了新标杆,推动人工智能与电化学检测融合迈向新高度。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号