人工智能在长时液流电池储能中的应用：性能优化和大模型

作     者：刘子玉 姜泽坤 邱伟 徐泉 牛迎春 徐春明 周天航 LIU Ziyu;JIANG Zekun;QIU Wei;XU Quan;NIU Yingchun;XU Chunming;ZHOU Tianhang

作者机构：中国石油大学(北京) 中国石油国家卓越工程师学院 中海储能科技(北京)有限公司 

基　　金：国家自然科学基金(22308378、22393963、22308380、22308376、20220242) 中国石油大学(北京)科学基金(2462023XKBH005、2462024BJRC017,ZX20230080) 碳中和联合研究院基金(CNIF20230209) 

出 版 物：《储能科学与技术》 (Energy Storage Science and Technology)

年 卷 期：2024年第13卷第9期

页      码：2871-2883页

摘      要：近年来，人工智能(AI)技术在电池设计与优化领域取得了显著进展，特别是在液流电池的研究中展现出巨大的应用潜力。液流电池因其低成本、大规模、长循环寿命及高安全性，成为新型电力储能系统的研究重点。然而，传统的实验与仿真方法在探索液流电池设计空间方面效率较低，难以揭示其复杂的物理化学机制。本文作者团队提出将计算机模拟与数据驱动的AI技术相结合，建立了具备高度可解释性的多物理场驱动模型，并通过机器学习辅助分析与优化液流电池设计。研究表明，机器学习模型在电压效率、库伦效率和容量预测方面表现优异，特别是梯度提升模型(Gradient Boosting， GB)在预测准确性上优于其他模型。通过SHAP分析识别关键影响因素，并结合电化学反应机理进行解释，为液流电池性能优化提供了科学依据。此外，本文作者团队还开发了一个专门针对液流电池领域的大语言模型，通过精细的提示工程和文本分析流程，尽可能最小化“幻觉”，有效提升了信息处理的准确性。本文作者团队的研究表明，AI驱动的模拟与优化方法为液流电池的设计与性能提升提供了新途径，未来随着计算能力和算法的不断发展，AI在液流电池及其他储能技术中的应用前景将更加广阔。

主 题 词：人工智能 液流电池 机器学习 大语言模型 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 0808[工学-自动化类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.19799/j.cnki.2095-4239.2024.0709

馆 藏 号：203138912...