本報訊 （左 珊 記者孫 圓）給電池裝上“智能聽診器”，最近，中國特檢院科研人員提出了一種基于超聲波信號特征和機器學習估計鋰離子電池狀態參數的新方法。

據了解，該方法通過采集不同狀態下電池的超聲波信號，分析放電倍率對電池容量和聲學參數的影響，建立典型狀態參數的表征模型，并利用機器學習算法提高預測精度。該方法對荷電狀態SOC（系統級芯片）檢測的最大相對誤差僅為1.51%，對電池健康狀態（SOH）檢測的最大絕對誤差僅為0.79%。該關鍵技術的突破為鋰離子電池狀態參數無損定量檢測監測提供了新解決方案。相關研究成果發表在了國際能源領域高水平期刊Journal of Power Sources，影響因子8.1。業內人士表示，這將為全球新能源儲能安全提供中國方案。

鋰離子電池儲能作為重要的新型儲能系統，近年來發展迅速。

儲能電池全生命周期管理涉及20~30年超長服役周期，傳統檢測手段存在精度不足、破壞性檢測等痛點，電池性能退化引發的安全隱患成為制約行業發展的關鍵瓶頸。因此，如何實時準確地監測電池狀態參數，是保障電池安全運行、延長電池壽命、優化儲能系統性能、推動電池智能管理的關鍵。