一种用于固态电池运行数据的多阶段异常识别与修正方法

《Tsinghua Science and Technology》：A Multistage Anomalies Recognition and Revision Method for Operation Data of Solid-State Batteries

针对固态电池（SSBs）运行数据异常检测与修复问题，提出改进的集成局部离群因子（TELOF）方法和XGBoost辅助多变量时间序列（MTXGBoost）模型。实验表明该方法在F1和R2指标上均超过0.95，有效提升SSBs数据质量。

　　

摘要：

准确测量固态电池（SSB）的运行参数（如电压）具有巨大潜力，因为它们在电动汽车（EV）的可靠运行方面展现出了诸多优势。然而，由于传感器故障或传输错误，运行数据中普遍存在异常值，而这些异常值由于运行数据的短期波动和不确定性而难以被识别和修正。为应对这些挑战，本文提出了一种异常值识别与修正方法，以提高电动汽车用SSB数据的质量。首先，提出了一种改进的双阶段集成局部异常因子（TELOF）异常值识别方法，以解决在数据清洗过程中由于数据短期波动较大而导致正常运行数据被误识别的问题。接下来，开发了基于XGBoost的多项式时间序列（MTXGBoost）模型，以提高修正结果的精确度和泛化能力。通过使用两种不同条件下的SSB的实际实验数据验证了该方法的有效性。对比结果显示，该方法能够准确识别异常值并稳定地修正数据结果。F1得分和R2均高于0.95。因此，所提出的方法可以有效预处理数据，从而提升电动汽车用SSB的决策能力和管理效率。

引言

近年来，由于严重的能源危机和环境污染问题，电动汽车（EV）的发展受到了广泛关注[1]。作为EV的核心组件，锂离子电池（LIB）具有自放电率低、循环寿命长和能量密度高等优点[2]。然而，传统LIB的电解质由易燃的有机溶剂（如碳酸乙烯酯EC）组成，这限制了其在EV中的安全性[3]。作为下一代电池的候选者，固态电池（SSB）为解决这一问题带来了巨大希望。目前，全球SSB的市场份额已超过50亿美元，但其在全球动力电池市场中的渗透率仍低于1%[4][5]。随着新能源技术的发展，全球领先的公司和电池制造商正在加速SSB的生产线建设。例如，青涛新能源计划在2026年前以低40%的成本实现SSB的大规模生产[6]。据EV Tank预测，到2030年，全球对SSB的需求将达到614.1 GWh，占锂离子电池总需求的10%，市场份额将超过2500亿美元[7]。为了使SSB在当前和未来的市场中得到广泛应用，确保其可靠性是一项重要任务。SSB的工作原理与传统LIB相同，不同之处在于液体电解质和隔膜被固体电解质替代。尽管如此，SSB在连续运行过程中仍会面临内部阻抗增加导致的性能下降问题[8]。因此，通过电池管理系统（BMS）实现对SSB的运行和维护，对于确保电动汽车的可靠运行至关重要。