【儀表網 研發快訊】近日，大連化學物理研究所能源催化轉化全國重點實驗室動力電池與系統研究部(DNL29)陳忠偉院士、毛治宇副研究員團隊，聯合西安交通大學馮江濤教授，在電池健康管理領域取得新進展。合作團隊開發了一種新型的深度學習模型，有效地解決了傳統方法對大量充電測試數據的依賴，為電池實時壽命預估提供了新的思路，實現了鋰電池壽命的端到端評估。同時，該模型也作為團隊開發的第一代電池數字大腦PBSRD Digit核心模型的重要組成部分，為電池智能管理提供了解決方案。
鋰電池壽命的準確預測對于電氣設備的正常運行至關重要。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，電池壽命的準確預測面臨著挑戰。
本研究提出了一種基于少量充電周期數據的深度學習模型，該模型通過帶有雙流框架的Vision Transformer結構和高效自注意力機制，捕捉并融合多時間尺度隱藏特征，實現對電池當前循環壽命(CCL)和剩余使用壽命(RUL)的準確預測。該模型在僅使用15個充電周期數據的情況下，能夠將RUL和CLL的預測誤差分別控制在5.40%和4.64%以內。此外，在面對訓練數據集中未出現的充電策略時，仍能保持較低的預測誤差，證明了其zero-short泛化能力。
該電池壽命預測模型也是第一代電池數字大腦PBSRD Digit重要組成部分，通過將上述模型整合到該系統中，進一步提高了系統的準確性。目前，該電池數字大腦系統作為大規模/工商業儲能和電動汽車的能量管理核心，可部署于云端服務器和客戶端嵌入式設備。
本團隊研發的壽命預測模型，有效平衡了預測準確率和計算成本，提高了電池數字大腦對于壽命預估的應用價值。未來團隊也將會通過模型蒸餾、剪枝等方法進一步優化模型，從而提高系統的魯棒性和資源利用率。
相關研究成果以“Deep learning powered lifetime prediction for lithium-ion batteries based on small amounts of charging cycles”為題，于近日發表在《電氣電子工程師學會交通電氣化學報》(IEEE Transactions on Transportation Electrification)上。該工作的第一作者是我所DNL29博士后劉云鵬，該工作得到國家自然科學基金、中國科學院B類先導專項“能源電催化的動態解析與智能設計”、中央高校基本科研業務費專項科研基金等項目的資助。(文/圖 劉云鵬)
所有評論僅代表網友意見，與本站立場無關。