TBSI Sunwoda Battery Dataset|锂离子电池数据集|电池性能测试数据集

这是一个多步骤快速充电数据集，使用NCM811正极材料的三元锂离子电池，旨在验证新型电池材料组合设计的性能。数据集包括在四种不同温度（25、35、45、55摄氏度）下的32个电池，覆盖了480到1025个循环的生命周期，用于激励更多数据驱动的电池管理研究和实际应用。

This is a multi-step fast charging dataset utilizing ternary lithium-ion batteries with NCM811 cathode material, designed to validate the performance of novel battery material combinations. The dataset encompasses 32 batteries tested at four different temperatures (25, 35, 45, 55 degrees Celsius), covering a lifecycle from 480 to 1025 cycles, aimed at stimulating further data-driven research and practical applications in battery management.

原始信息汇总

数据集概述

数据集名称

TBSI Sunwoda Battery Dataset

数据集目的

验证新型电池材料组成设计性能，提供早期电池原型验证方法，促进数据驱动的电池管理研究和实际应用。

电池规格

• 正极材料：LiNi_0.8Co_0.1Mn_0.1O₂ (NCM811)
• 负极材料：含13 wt%硅氧化物的石墨
• 标称容量：1.1 Ah

充电条件

• 充电方式：多步快速充电，共9步，从0.33C至3C
• 放电条件：1C恒定放电
• SOC目标：20分钟内达到75% SOC

SOC分配详情

步骤	C-rate	时间(min)	SOC(%)
1	-	30.00	-
2	+0.33	-	0.0
3	-	30.00	-
4	+0.33	14.54	+8.0
5	+3.00	2.40	+12.0
6	+2.90	2.07	+10.0
7	+2.80	2.14	+10.0
8	+2.40	2.50	+10.0
9	+2.00	3.00	+11.1
10	+1.80	3.33	+10.0
11	+1.40	4.29	+10.0
12	+0.33	28.93	+15.9
13	-	120.00	总和: 97.0
14	-1.00	56.40	-94.0
15	-	60.00	-

数据集内容

• 电池数量：共32个电池
• 温度条件：25°C, 35°C, 45°C, 55°C
• 循环次数：480至1025次，定义为实际容量达到标称容量的80%时

数据集亮点

1. 量化初始制造变异性(IMVs)，用于早期电池原型验证。
2. 采用实际电动车充电条件，适用于广泛温度区域。
3. 通过多步充电动态和转换过程，仅使用可访问的电气信号解耦内部电池损耗和极化类型。

特征化

• 特征列表：包括操作温度、截止电压、电压变化、电压梯度等。
• 特征化方法：使用提供的代码进行特征化处理。

数据集访问

• 访问链接：数据集链接
• 许可证：MIT许可证
• 联系信息：Terence (Shengyu) Tao, Xuan Zhang, Guangmin Zhou

AI搜集汇总

数据集介绍

构建方式

在电池能源存储领域，TBSI Sunwoda Battery Dataset 由清华大学-伯克利深圳研究院（TBSI）与欣旺达电子股份有限公司合作构建。该数据集采用三元锂离子电池，其正极材料为LiNi0.8Co0.1Mn0.1O2（NCM811），负极材料为含13 wt%硅氧化物的石墨，旨在提高能量密度。电池在9步快速充电（0.33C至3C）和1C恒定放电条件下循环，通过设定固定的SOC间隔，应用不同C率的恒定电流进行充电，以实现快速充电并减少锂镀层。数据集涵盖了从480到1025个循环的电池寿命，定义为实际容量达到标称容量的80%时的循环次数。

特点

TBSI Sunwoda Battery Dataset 的显著特点在于其多步快速充电方案，能够在激发热力学（小电流区域）和动力学（大电流区域）的同时，提供丰富的降解信息。此外，数据集在不同温度（25°C、35°C、45°C和55°C）下收集了32块电池的数据，涵盖了从480到1025个循环的电池寿命，平均寿命为775个循环，标准差为175个循环。数据集还包括了初始制造变异性（IMVs）的量化，这对于早期电池原型验证至关重要。

使用方法

使用TBSI Sunwoda Battery Dataset时，用户可以通过提供的代码脚本对数据进行可视化和特征化处理。首先，将.mat文件放入RawData.zip中，并运行Visual_Voltage_Capacity.m脚本以可视化电压响应。其次，将.mat文件放入ProcessedData.zip中，并运行Gen_Feature.m脚本以生成特征化数据。数据集的特征化包括操作温度、各充电步骤的截止电压值、电压变化、电压梯度等，这些特征与化学过程的物理意义紧密相关，便于进一步的电池管理研究和实际应用。

背景与挑战

背景概述

随着人工智能在科学研究中的广泛应用，电池储能领域因其跨学科特性（涉及材料、化学、物理和电气工程）而备受关注。由于制造过程的复杂性和不确定性，实际生产的电池性能与实验室中的预期存在显著差异，导致产品质量下降、研发效率降低、投资成本增加以及寿命可持续性受损。为此，欣旺达电子股份有限公司与清华大学深圳国际研究生院（TBSI）合作，创建了TBSI Sunwoda电池数据集，旨在验证新型电池材料组合设计的性能。该数据集由TBSI团队主导研究，提供了一种高效且可靠的早期电池原型验证方法，旨在推动数据驱动和物理信息融合的电池管理研究，涵盖荷电状态（SOC）估计、健康状态（SOH）估计、剩余使用寿命（RUL）预测等多个应用领域。

当前挑战

该数据集在构建过程中面临多项挑战。首先，电池制造过程中的复杂性和不确定性导致性能差异，如何准确评估和验证新型电池材料的性能成为一大难题。其次，数据集需涵盖多种温度条件下的电池性能，以模拟实际应用环境，这对数据采集和处理提出了高要求。此外，数据集的特征化过程需要将电信号与化学过程的物理意义相联系，这要求研究人员具备深厚的跨学科知识。最后，如何通过多步快速充电方案获取丰富的退化信息，并将其应用于实际电池管理中，也是该数据集面临的重要挑战。

常用场景

经典使用场景

在电池能源存储领域，TBSI Sunwoda Battery Dataset 被广泛用于验证新型电池材料组合设计的性能。通过多步快速充电方案，该数据集提供了丰富的电池内部状态信息，包括荷电状态（SOC）、健康状态（SOH）、剩余使用寿命（RUL）预测以及退化轨迹预测等。这些信息对于电池管理系统的设计和优化至关重要，尤其是在电动汽车和可再生能源存储系统中。

解决学术问题

TBSI Sunwoda Battery Dataset 解决了电池制造过程中性能不匹配的问题，特别是在实验室材料与实际生产电池之间的性能差异。通过提供详细的电池循环数据和多步充电方案，该数据集帮助研究人员和工程师开发更高效的电池原型验证方法，从而提高产品研发效率和质量，降低投资成本，并延长电池的使用寿命。

衍生相关工作

基于 TBSI Sunwoda Battery Dataset，研究人员开发了多种电池管理算法和模型，包括基于物理信息的机器学习方法，用于非破坏性退化模式解耦和早期电池原型验证。这些工作不仅提升了电池性能预测的准确性，还为电池材料和设计的优化提供了新的思路。此外，该数据集还促进了电池热管理和一致性管理的研究，为电池技术的进一步发展奠定了基础。