近日，第十一届电工技术前沿问题学术论坛（FAFEE 2024）在重庆市举办，哈尔滨工业大学（威海）李俊夫副教授应邀就《基于AI的电池电化学机理建模及参数在线辨识》发表报告，现将李俊夫副教授的报告分享给各位读者，以期促进本领域的交流和技术进步。
专家简介李俊夫，博士，哈工大威海校区汽车工程学院特聘副教授，硕士生导师，智能车辆工程系副主任，中国汽车工程学会会员，主要研究方向为锂离子电池多尺度建模、电池健康管理与梯次利用。
近年来主持中国博士后科学基金面上项目1项、山东省自然科学基金青年项目1项，参与陆军装备部纵向项目1项、深圳市知识创新计划项目1项；作为核心技术骨干，参与国防科技基础加强计划技术领域基金项目1项、珠海市创新创业团队项目1项。
Green Energy and Intelligent Transportation高起点新刊、Chinese Journal of Mechanical Engineering（《中国机械工程学报》，CJME）青年编委，IEEE PES中国区电动汽车技术委员会动力电池技术分委会理事，内蒙古汽车环境测试产业技术创新战略联盟专家。《Joule》、《Energy》等期刊审稿人。以第一作者/通讯作者发表在《Applied Energy》、《Journal of Power Sources》等期刊发表电化学及储能领域相关SCI论文30余篇，申请国家发明专利6项。
报告摘选锂离子电池作为储能装置在诸多领域得到了广泛应用。感知电池内部状态、辨识电池内部参数可以较精确地评估其健康状态，对实施有效的电池健康、安全管理具有重要意义。随着人工智能的不断发展，深度学习、电化学等多领域的知识与技术融合对开展高水平的电池管理提供了新的解决思路和办法。
本研究将人工智能算法融入电池电化学机理建模及参数在线辨识中，并开展了以下三方面研究：一是在简化电化学机理模型的基础上，构建具备自增量学习的模型-数据双驱动电池数字孪生模型，提高了电池全生命周期性能仿真和预测的精度；二是提出了模型参数离线分步辨识策略，利用堆叠模型算法，建立在线运行数据与离线辨识工况的映射关系，进而实现了模型参数的在线辨识；三是基于多项式拟合和模型计算合成大量电化学参数-充放电片段特征数据，并通过主成分分析，筛选出与实测数据相近的数据，训练以充放电片段特征为输入、以电化学参数为输出的卷积神经网络，实现模型参数的在线获取。
