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.pdfVIP

第13卷第9期储能科学与技术Vol.13No.9

2024年9月EnergyStorageScienceandTechnologySept.2024

AI辅助先进电池设计与应用专刊

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

1,31111,211,2

刘子玉，姜泽坤，邱伟，徐泉，牛迎春，徐春明，周天航

123

（中国石油大学(北京)，北京102249；中海储能科技(北京)有限公司，北京102249；中国石

油国家卓越工程师学院，北京100096）

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。本工

作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、库仑效率和容量预测方面表现优异，

特别是梯度提升模型(gradientboosting,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，本工作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。本工作的研究表明，AI驱动的