中科院开发锂电池寿命精准预测模型 提供实时且全面端到端评估新方法

中科院开发锂电池寿命精准预测模型 提供实时且全面端到端评估新方法

引用

腾讯

1.

https://new.qq.com/rain/a/20240903A08SPY00

近日，中国科学院大连化学物理研究所与西安交通大学携手，在电池健康管理研究方面取得了突破性进展。该研究成功开发了一种新型深度学习模型，旨在更准确地预测锂电池的寿命，这一模型打破了传统方法对大量充电测试数据的依赖，实现了对电池寿命的实时预估，为锂电池寿命的端到端评估提供了新思路。

该模型基于少量充电周期数据，采用双流框架的Vision Transformer结构和高效自注意力机制，能够捕捉并融合多时间尺度的隐藏特征，从而实现对电池当前循环寿命和剩余使用寿命的精准预测。

在使用15个充电周期数据的情况下，该模型将剩余使用寿命和当前循环寿命的预测误差分别控制在5.40%和4.64%以内，显示出极高的预测精度。值得一提的是，该模型在面对训练数据集未出现的充电策略时，仍能保持较低的预测误差，证明了其强大的zero-short泛化能力。

这一电池寿命预测模型已成为第一代电池数字大脑PBSRD Digit的核心组成部分。通过整合到该系统中，研究人员进一步提升了系统的准确性，目前已广泛应用于大规模工商业储能和电动汽车的能量管理。

为提高系统的鲁棒性和资源利用率，研究团队计划采用模型蒸馏、剪枝等方法对模型进行优化。这一研究不仅平衡了预测准确率和计算成本，还显著提升了电池数字大脑在寿命预估方面的应用价值。