【儀表網(wǎng) 研發(fā)快訊】近日，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(DNL29)陳忠偉院士、毛治宇副研究員團隊，聯(lián)合西安交通大學(xué)馮江濤教授，在電池健康管理領(lǐng)域取得新進展。合作團隊開發(fā)了一種新型的深度學(xué)習(xí)模型，有效地解決了傳統(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)估提供了新的思路，實現(xiàn)了鋰電池壽命的端到端評估。同時，該模型也作為團隊開發(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(zhǔn)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(zhǔn)確預(yù)測面臨著挑戰(zhàn)。
 

　　本研究提出了一種基于少量充電周期數(shù)據(jù)的深度學(xué)習(xí)模型，該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(dāng)前循環(huán)壽命(CCL)和剩余使用壽命(RUL)的準(zhǔn)確預(yù)測。該模型在僅使用15個充電周期數(shù)據(jù)的情況下，能夠?qū)UL和CLL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)集中未出現(xiàn)的充電策略時，仍能保持較低的預(yù)測誤差，證明了其zero-short泛化能力。
 

　　該電池壽命預(yù)測模型也是第一代電池數(shù)字大腦PBSRD Digit重要組成部分，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(zhǔn)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。
 

　　本團隊研發(fā)的壽命預(yù)測模型，有效平衡了預(yù)測準(zhǔn)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。未來團隊也將會通過模型蒸餾、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，于近日發(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。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(xué)基金、中國科學(xué)院B類先導(dǎo)專項“能源電催化的動態(tài)解析與智能設(shè)計”、中央高?；究蒲袠I(yè)務(wù)費專項科研基金等項目的資助。(文/圖 劉云鵬)