近日，中國科學(xué)院大連化學(xué)物理研究所能源催化轉(zhuǎn)化全國重點實驗室動力電池與系統(tǒng)研究部研究員陳忠偉、副研究員毛治宇團隊，聯(lián)合西安交通大學(xué)教授馮江濤，在電池健康管理研究方面取得進展。該團隊開發(fā)了新型的深度學(xué)習(xí)模型，克服了傳統(tǒng)方法對大量充電測試數(shù)據(jù)的依賴，為電池實時壽命預(yù)估提供了新思路，實現(xiàn)了鋰電池壽命的端到端評估。該模型作為團隊開發(fā)的第一代電池數(shù)字大腦PBSRD??Digit核心模型的組成部分，為電池智能管理提供了解決方案。
鋰電池壽命的準確預(yù)測對于電氣設(shè)備的正常運行至關(guān)重要。然而，由于電池容量退化過程的非線性和運行條件的不確定性，電池壽命的準確預(yù)測面臨著挑戰(zhàn)。
該研究提出了基于少量充電周期數(shù)據(jù)的深度學(xué)習(xí)模型。這一模型通過帶有雙流框架的Vision?? Transformer結(jié)構(gòu)和高效自注意力機制，捕捉并融合多時間尺度隱藏特征，實現(xiàn)對電池當前循環(huán)壽命和剩余使用壽命的準確預(yù)測。同時，該模型在使用15個充電周期數(shù)據(jù)的情況下，將剩余使用壽命和當前循環(huán)壽命的預(yù)測誤差分別控制在5.40%和4.64%以內(nèi)。此外，在面對訓(xùn)練數(shù)據(jù)集未出現(xiàn)的充電策略時，該模型仍能夠保持較低的預(yù)測誤差，證明了其zero-short泛化能力。
這一電池壽命預(yù)測模型是第一代電池數(shù)字大腦PBSRD Digit的組成部分。研究人員通過將上述模型整合到該系統(tǒng)中，進一步提高了系統(tǒng)的準確性。目前，該電池數(shù)字大腦系統(tǒng)作為大規(guī)模工商業(yè)儲能和電動汽車的能量管理核心，可部署于云端服務(wù)器和客戶端嵌入式設(shè)備。
這一模型平衡了預(yù)測準確率和計算成本，提高了電池數(shù)字大腦對于壽命預(yù)估的應(yīng)用價值。未來，該團隊將通過模型蒸餾、剪枝等方法進一步優(yōu)化模型，從而提高系統(tǒng)的魯棒性和資源利用率。
相關(guān)研究成果以Deep learning powered lifetime prediction for lithium-ion batteries based on small amounts of charging cycles為題，發(fā)表在《電氣電子工程師學(xué)會交通電氣化學(xué)報》（IEEE Transactions on Transportation Electrification）上。研究工作得到國家自然科學(xué)基金和中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項（B類）等的支持。
文章鏈接：https://ieeexplore.ieee.org/document/10613834
