我校能源与动力工程学院李渊课题组在退役动力电池在线诊断与快速分选领域取得重要研究进展

近日，我校能源与动力工程学院李渊课题组在退役动力电池在线诊断与快速分选研究中取得重要进展。

该研究围绕动力电池全生命周期健康管理关键需求，提出基于动态电化学阻抗谱（Dynamic EIS）与深度学习融合的在线诊断新方法，为退役动力电池快速检测、健康评估及梯次利用分选提供了重要技术支撑。该研究创新性构建了“动态阻抗特征提取-时频信息解析-智能状态识别”技术框架。通过连续小信号激励获取电池动态阻抗响应，结合连续Morlet小波变换（CMWT）提取关键健康特征，并引入贝叶斯优化门控循环神经网络（GRU）建立在线诊断模型，实现锂沉积等异常失效行为的实时识别。研究结果表明，该方法识别准确率超过98%，同时具有计算量小、响应速度快、易于嵌入电池管理系统（BMS）等优势，可满足动力电池在线监测和工程应用需求。

该研究工作得到国家自然科学基金（52507256）、国家重点研发计划（2024YFE0101200）的资助。相关研究成果“Online Detection of Lithium Plating in Lithium-Ion Batteries Using Dynamic Electrochemical Impedance Spectroscopy and GRU Networks”在国际学术期刊《Green Energy and Intelligent Transportation》在线发表。我校能源与动力工程学院李渊副教授为论文第一作者及通讯作者，我校为论文第一通讯单位。

论文链接：https://doi.org/10.1016/j.geits.2026.100431

文字、图片：能源与动力工程学院