给电池装上“智能听诊器”，最近，中国特检院科研人员提出了一种基于超声波信号特征和机器学习估计锂离子电池状态参数的新方法。

        据了解，该方法通过采集不同状态下电池的超声波信号，分析放电倍率对电池容量和声学参数的影响，建立了典型状态参数的表征模型，并利用机器学习算法提高预测精度。该方法对荷电状态SOC（系统级芯片）检测的最大相对误差仅为1.51%，对电池健康状态（SOH）检测的最大绝对误差仅为0.79%。该关键技术的突破为锂离子电池状态参数无损定量检测监测提供了新解决方案。相关研究成果发表在了国际能源领域高水平期刊Journal of Power Sources，影响因子8.1。业内人士表示，这将为全球新能源储能安全提供中国方案。

        锂离子电池储能作为重要的新型储能系统，近年来发展迅速。

        储能电池全生命周期管理涉及20-30年超长服役周期，传统检测手段存在精度不足、破坏性检测等痛点，电池性能退化引发的安全隐患成为制约行业发展的关键瓶颈。因此，如何实时准确地监测电池状态参数，是保障电池安全运行、延长电池寿命、优化储能系统性能、推动电池智能管理的关键。

 

 

 

（信息来源：中国特种设备检测研究院门户网站）