清华大学深圳国际研究生院张璇、周光敏、李阳团队在基于物理信息学习的电池衰减轨迹早期预测研究中取得新进展
清新电源
2025-01-22 07:00
文章摘要
清华大学深圳国际研究生院的研究团队提出了一种基于物理信息学习的电池衰减轨迹早期预测方法，旨在解决电池研发过程中原型验证效率低和成本高的问题。该方法通过计算热力学和动力学参数，并关联至未来状态变化，实现对电池衰减轨迹的早期预测。研究结果表明，该方法仅需电池原型的早期循环数据即可达到95.1%的全寿命平均预测准确率，显著提升了原型验证速度。此外，该模型在电池生产制造环节的劣品检测和废料回收方面也显示出良好的技术经济性，有助于提升电池行业的可持续发展。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
推荐文献
Unveiling the impact of photoinduced halide segregation on performance degradation in wide-bandgap perovskite solar cells
DOI: 10.1039/d4ee05604c
Pub Date : 2025-01-22
"Nano-In-Nano" Schottky Diodes Fabricated by Combining Self-Aligned Nanogap Patterning with Bottom-Up ZnO Nanowire Growth.
DOI: 10.1021/acsaelm.4c01609
Pub Date : 2025-01-02
Date: 2025/1/14 0:00:00
High-Specific Power Flexible Photovoltaics from Large-Area MoS<sub>2</sub> for Space Applications.
DOI: 10.1021/acsaem.4c01797
Pub Date : 2025-01-02
Date: 2025/1/13 0:00:00
清新电源
“两院院士评选2024年中国/世界十大科技进展新闻”揭晓.
2025-01-22
王春生教授，固态电池最新Nature Materials！.
2025-01-22
南京航空航天大学彭生杰教授连发2篇Angew！.
2025-01-21
支春义教授团队，新发Nature子刊！.
2025-01-17
最新文章
“两院院士评选2024年中国/世界十大科技进展新闻”揭晓
2025-01-22
王春生教授，固态电池最新Nature Materials！
2025-01-22
南京航空航天大学彭生杰教授连发2篇Angew！
2025-01-21
京公网安备 11010802042870号
