用于預測電池壽命的新型深度學習模型

[本刊訊] 中國科學院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研究員陳忠偉、副研究員毛治宇團隊，聯合西安交通大學教授馮江濤，開發了新型的深度學習模型，克服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思路，實現了鋰電池壽命的端到端評估。相關成果于2024年7月29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。

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。

該研究提出了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ViT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和剩余使用壽命的準確預測。同時，該模型在使用15個充電周期數據的情況下，將剩余使用壽命和當前循環壽命的預測誤差分別控制在5.40%和4.64%以內。此外，在面對訓練數據集未出現的充電策略時，該模型仍能夠保持較低的預測誤差，證明了其零次學習泛化能力。

該電池壽命預測模型是第一代電池數字大腦PBSRD Digit的組成部分。研究人員通過將上述模型整合到電池數字大腦系統中，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。該模型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，將通過模型蒸餾、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。

（勇 蘭）