锌离子电池正极金属氧化物材料智能设计方法及系统与流程

本申请涉及材料筛选，特别涉及一种锌离子电池金属氧化物正极材料的设计方法及系统。

背景技术：

1、随着全球能源危机的逐渐加剧，寻找新型、高效、环保的能源储存技术成为当今科技领域的热点之一。储能电池作为一种重要的能源储存手段，其性能对于实现可持续发展具有重要意义。锌离子电池作为一种新型储能技术，因其具有高能量密度、低成本、环保等优点而备受关注。然而，锌离子电池正极材料的设计是影响锌离子电池性能的关键因素之一。传统的锌离子电池正极材料设计方法主要基于经验和试错，无法充分考虑材料的多种因素，使得正极材料的性能和稳定性无法得到充分提升。针对这一问题，近年来出现了一些新的技术手段，如机器学习和数据驱动方法，可以有效地解决传统方法的缺陷，实现锌离子电池正极材料性能的最优化。

2、机器学习是一种基于数据的模型构建和分析技术，可以通过对大量数据的学习和挖掘，提取出数据中的特征，并构建预测模型，从而实现对未知数据的预测和分析。在锌离子电池正极材料设计方面，机器学习已经得到了广泛应用。例如，通过基于机器学习的方法，可以对大量的实验数据进行分析，提取出对正极材料性能影响最大的因素，从而实现正极材料性能的最优化。同时，还可以利用机器学习算法构建锌离子电池正极金属氧化物材料的预测框架模型，进行多因子优化设计，从而实现材料性能的最优化。然而，目前的机器学习和数据驱动方法仍存在一些限制。首先，由于锌离子电池正极材料的设计涉及到多种因素，如化学成分、晶体结构、电子结构等，需要收集大量的数据进行分析和优化。其次，现有的计算方法和模型还无法完全描述材料的复杂性质，例如，材料的磁性结构等。

3、因此，如何有效地收集并处理多种因素数据，以及如何建立更加全面和精确的计算模型和模拟方法，仍然是锌离子电池正极材料设计中的瓶颈问题。

技术实现思路

1、鉴于此，有必要针对现有存在的技术缺陷的提供一种实现材料性能的最优化的锌离子电池金属氧化物正极材料的筛选方法、筛选系统、电子设备及计算机可读存储介质。

2、为解决上述问题，本申请采用下述技术方案：

3、本申请目的之一，提供了一种基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法，包括下述步骤：

4、构建锌离子电池金属氧化物正极材料数据库，所述锌离子电池金属氧化物正极材料数据库中包括多种因素数据，所述多种因素数据包括但不限于离子迁移速度、电极电势和结构形成能、材料结构特征、缺陷形成能、电荷转移速率；

5、对所述锌离子电池金属氧化物正极材料数据库进行数据预处理；

6、根据预处理后的所述锌离子电池金属氧化物正极材料数据库进行预测模型训练；

7、对训练好的锌离子电池金属氧化物正极材料机器学习筛选模型进行评估；

8、使用评估后的所述锌离子电池金属氧化物正极材料模型对锌离子电池金属氧化物正极材料进行筛选。

9、在其中一些实施例中，在根据锌离子电池金属氧化物正极材料构建锌离子电池金属氧化物正极材料数据库的步骤中，具体包括下述步骤：

10、获取现有的锌离子电池金属氧化物正极材料并提取其几何结构、电子结构、热力学相关数据，同时获取离子迁移速度、电极电势、结构形成能三种目标参数；

11、将所述多种因素数据纳入所述锌离子电池金属氧化物正极材料数据库。

12、在其中一些实施例中，所述锌离子电池金属氧化物正极材料数据库中还包括离子迁移速度、电极电势、结构形成能以及金属-氧的d-p轨道中心差值。

13、在其中一些实施例中，在获取现有的锌离子电池金属氧化物正极材料并提取其多种因素数据的步骤中，具体包括下述步骤：

14、基于爬虫技术和高通量计算获取锌离子电池金属氧化物正极材料多因子数据库。

15、在其中一些实施例中，在对所述锌离子电池金属氧化物正极材料数据库进行数据预处理的步骤中，所述预处理包括数据清洗、去除异常值、数据归一化及主成分分析特征选择。

16、在其中一些实施例中，在根据预处理后的所述锌离子电池金属氧化物正极材料数据库进行预测模型训练的步骤中，具体包括下述步骤：

17、将预处理后的所述锌离子电池金属氧化物正极材料数据库划分为训练集和测试集，利用多种机器学习算法进行模型训练，并选取精准度和泛化性最高的机器学习算法。

18、在其中一些实施例中，在对训练好的锌离子电池金属氧化物正极材料模型进行评估的步骤中，具体包括下述步骤：

19、采用交叉验证对训练好的锌离子电池金属氧化物正极材料模型进行评估，所述评估的指标包括皮尔森系数、均方差及标准差。

20、在其中一些实施例中，在使用评估后的所述锌离子电池金属氧化物正极材料模型对锂离子锌离子电池金属氧化物正极材料进行筛选的步骤中，具体包括下述步骤：

21、将新材料的特征数据输入到所述锌离子电池金属氧化物正极材料预测模型中，即可得到新材料的性能预测结果。

22、本申请目的之二，提供了一种基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法的设计系统，包括：

23、数据库构建单元，用于根据锌离子电池金属氧化物正极材料构建锌离子电池金属氧化物正极材料数据库，所述锌离子电池金属氧化物正极材料数据库中包括多种因素数据，所述多种因素数据包括但不限于离子迁移速度、电极电势和结构形成能、材料结构特征、缺陷形成能、电荷转移速率；

24、处理单元，用于对所述锌离子电池金属氧化物正极材料数据库进行数据预处理；

25、训练单元，用于根据预处理后的所述锌离子电池金属氧化物正极材料数据库进行预测模型训练；

26、评估单元，用于对训练好的锌离子电池金属氧化物正极材料模型进行评估；

27、筛选单元，用于使用评估后的所述锌离子电池金属氧化物正极材料模型对锂离子锌离子电池金属氧化物正极材料进行筛选。

28、本申请采用上述技术方案，其有益效果如下：

29、本申请提供的一种基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法及设计系统，本申请基于金属氧化物的三维目标值，包括离子迁移速度、电极电势和结构形成能，结合热动力学研究方法，同时锚定锌离子电池正极的电池电压、充放电速度以及电池循环稳定性多项指标，相比于单一性能指标更全面，从而实现最优化正极材料的快速筛选，从而可实现锌离子电池正极材料包括能量密度、循环寿命和稳定性等关键指标的最优化，为锌离子电池的发展和应用提供有力支持，具有广泛的应用前景。

技术特征：

1.一种基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法，其特征在于，包括下述步骤：

2.如权利要求1所述的基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法，其特征在于，在根据锌离子电池金属氧化物正极材料构建锌离子电池金属氧化物正极材料数据库的步骤中，具体包括下述步骤：

3.如权利要求2所述的基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法，其特征在于，所述锌离子电池金属氧化物正极材料数据库中的目标特征值包括离子迁移速度、电极电势、结构形成能以及金属-氧的d-p轨道中心差值。

4.如权利要求2所述的基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法，其特征在于，在获取现有的锌离子电池金属氧化物正极材料并提取其多种因素数据的步骤中，具体包括下述步骤：

5.如权利要求2所述的基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法，其特征在于，在对所述锌离子电池金属氧化物正极材料数据库进行数据预处理的步骤中，所述预处理包括数据清洗、去除异常值、数据归一化及主成分分析。

6.如权利要求1所述的基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法，其特征在于，在根据预处理后的所述锌离子电池金属氧化物正极材料数据库进行预测模型训练的步骤中，具体包括下述步骤：

7.如权利要求1所述的基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法，其特征在于，在对训练好的锌离子电池金属氧化物正极材料模型进行评估的步骤中，具体包括下述步骤：

8.如权利要求1所述的基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法，其特征在于，在使用评估后的所述锌离子电池金属氧化物正极材料模型对锂离子锌离子电池金属氧化物正极材料进行筛选的步骤中，具体包括下述步骤：

9.一种如权利要求1所述的基于三维标定和多因子数据驱动的锌离子电池正极金属氧化物材料智能设计方法的设计系统，其特征在于，包括：

技术总结
本申请提供的锌离子电池金属氧化物正极材料的筛选方法、筛选系统、电子设备及计算机可读存储介质，本申请基于金属氧化物的三维目标值，包括离子迁移速度、电极电势和结构形成能，结合热动力学研究方法，同时锚定锌离子电池正极的电池电压、充放电速度以及电池循环稳定性多项指标，相比于单一性能指标更全面，从而实现最优化正极材料的快速筛选，从而可实现锌离子电池正极材料包括能量密度、循环寿命和稳定性等关键指标的最优化，为锌离子电池的发展和应用提供有力支持，具有广泛的应用前景。

技术研发人员：彭超,薛冬峰,张丹彤
受保护的技术使用者：深圳先进技术研究院
技术研发日：
技术公布日：2025/3/16