[发明专利]一种基于锂电池性能模拟环境的电解液配方推荐方法

说明书

本发明公开一种基于锂电池性能模拟环境的电解液配方推荐方法，所述锂电池性能模拟环境使用无梯度优化算法和机器学习算法，输入已有的电池电解液配方和实验结果来训练，所述锂电池性能模拟环境能够在给定电解液配方后模拟对应的实验结果；所述电解液配方推荐方法包括探索和利用两个阶段，探索阶段尽可能推荐数据密度小的电解液配方而非结果最优的电解液配方，因为密度小的点更有利于锂电池性能模拟环境的学习；当探索达到既定次数时进入利用阶段，所述利用阶段利用锂电池性能模拟环境推荐出最优电解液配方。本发明能够减少人力物力的投入，减少实验的迭代次数从而大大减少实验时间，在保证效果的同时降低电池生产成本。

技术领域

本发明涉及一种基于锂电池性能模拟环境的电解液配方推荐方法，其利用机器学习算法构建模拟环境，模拟锂电池设计过程中性能的变化，然后通过采样验证的方式推荐最优的电解液配方，属于工业智能制造技术领域。

背景技术

与其他类型的电池相比，锂电池具有重量轻、能量密度高等特点，正被应用于小型家电、IT设备、电动工具、电动汽车等诸多领域。锂电池大体可分为4个组成要素：正极、负极、电解液、隔膜，四者缺一不可。

其中，锂电池电解液是锂电池的“血液”，是离子传输的载体，在正负极之间起到传导锂离子的作用，为锂离子提供一个自由脱嵌的环境，是锂电池的关键组件之一。锂电池电解液一般由高纯度的有机溶剂、电解质锂盐、必要的添加剂等原料，在一定条件下，按一定比例配制而成的。好的电解液配方是锂离子电池获得高电压、高比能等优点的保证。锂电池在设计的过程中通过调整电解液中各类物料的配比，来使得电池最终的性能达到期望值，其中包含电池的直流阻抗（DCR）、产气等。在工业生产中，当测试环境、正负极材料、隔膜确定之后，需要尝试尽可能少的次数来找出电解液的最优配方，让锂电池的性能达标。此外，由于配方中不同物料的价格是不同的，在保证性能达标的同时还需尽可能降低原料成本。

目前，寻找电解液最优配方的方法大多是凭借人工经验任意给出几组初始电解液配方，然后直接进行实验，等实验结束后利用实验结果再次推荐几组新的电解液配方，通常需要反复进行多次实验后才能得到达标的电解液配方。然而，这一过程存在几个问题：

1）实验需要投入大量的人力物力。当电解液配方确定之后，相关实验人员需要对配方物料进行采购、装配等一系列操作之后组装成电池，由于实验误差、测试指标不同等因素，通常需要组装多个电池，然后将其在不同的实验室环境下进行测试，然后人工收集实验结果并处理。一轮实验费用通常高达数万元，而配方推荐是一个迭代优化的序列决策过程，获得一个合适的电解液配方往往需要十数次的迭代，导致实验费用更加高昂。

2）配方的选取高度依赖实验人员的经验。电解液配方的推荐问题类似于多目标优化问题，不光要考虑某个指标达标，更要看多个指标，并且通常为了保证多个指标同时达标，可能会牺牲一些指标的性能，从而找到一个平衡点。由于配方的选取是人工给定的，而人工经验通常由实验人员之间交流以及实验中的试错获取，难以形成数字化的经验，新入行从业人员的学习成本较高。最终电池性能的好坏完全取决于人工经验和运气。

3）迭代次数多导致实验时间过长。由于电池存在老化问题，衡量电池性能的指标中通常包含两个月后电池的性能，如第60天时电池产气的累计值和DCR值，这导致每轮实验都要持续数月之久，数轮迭代之后通常需要一两年。如果能够减少实验次数则可以加快电池生产速度。

4）电池生产成本较高。当实验室中得到效果达标的电解液配方后，通常会进入批量生产环节。然而，由于配方中的物料可能存在相关性（即一些相对廉价的物料的组合可以媲美价格较高的物料）和冗余性（即某种物料的多少、甚至有无，并不影响电解液的最终效果），导致电池成本上升，而这部分的成本理论上是可以降低的。

发明内容