9 月 3 日消息，鋰電池壽命的準(zhǔn)確預(yù)測(cè)對(duì)于電氣設(shè)備的正常運(yùn)行至關(guān)重要,。然而,，由于電池容量退化過(guò)程的非線性和運(yùn)行條件的不確定性，電池壽命的準(zhǔn)確預(yù)測(cè)面臨著挑戰(zhàn),。

中國(guó)科學(xué)院表示,，大連化學(xué)物理研究所能源催化轉(zhuǎn)化全國(guó)重點(diǎn)實(shí)驗(yàn)室動(dòng)力電池與系統(tǒng)研究部研究員陳忠偉,、副研究員毛治宇團(tuán)隊(duì)，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(jìn)展,。相關(guān)研究成果已經(jīng)發(fā)表在《電氣電子工程師學(xué)會(huì)交通電氣化學(xué)報(bào)》上（IT之家附 DOI:10.1109/TTE.2024.3434553）,。

據(jù)介紹，研究團(tuán)隊(duì)開(kāi)發(fā)出了新型的深度學(xué)習(xí)模型,，克服了傳統(tǒng)方法對(duì)大量充電測(cè)試數(shù)據(jù)的依賴,，為電池實(shí)時(shí)壽命預(yù)估提供了新思路，實(shí)現(xiàn)了鋰電池壽命的端到端評(píng)估,。該模型作為團(tuán)隊(duì)開(kāi)發(fā)的第一代電池?cái)?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。

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(guò)帶有雙流框架的 Vision Transformer 結(jié)構(gòu)和高效自注意力機(jī)制,，捕捉并融合多時(shí)間尺度隱藏特征，實(shí)現(xiàn)對(duì)電池當(dāng)前循環(huán)壽命和剩余使用壽命的準(zhǔn)確預(yù)測(cè),。

同時(shí),，該模型在使用 15 個(gè)充電周期數(shù)據(jù)的情況下，將剩余使用壽命和當(dāng)前循環(huán)壽命的預(yù)測(cè)誤差分別控制在 5.40% 和 4.64% 以內(nèi),。

此外,，在面對(duì)訓(xùn)練數(shù)據(jù)集未出現(xiàn)的充電策略時(shí)，該模型仍能夠保持較低的預(yù)測(cè)誤差,，證明了其 zero-short 泛化能力,。

這一電池壽命預(yù)測(cè)模型是第一代電池?cái)?shù)字大腦 PBSRD Digit 的組成部分。研究人員通過(guò)將上述模型整合到該系統(tǒng)中,，進(jìn)一步提高了系統(tǒng)的準(zhǔn)確性,。

目前，該電池?cái)?shù)字大腦系統(tǒng)作為大規(guī)模工商業(yè)儲(chǔ)能和電動(dòng)汽車(chē)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(cè)準(zhǔn)確率和計(jì)算成本，提高了電池?cái)?shù)字大腦對(duì)于壽命預(yù)估的應(yīng)用價(jià)值,。未來(lái),，該團(tuán)隊(duì)將通過(guò)模型蒸餾、剪枝等方法進(jìn)一步優(yōu)化模型,，從而提高系統(tǒng)的魯棒性和資源利用率,。