近日，我所能源催化轉(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（DNL29）陳忠偉院士、毛治宇副研究員團(tuán)隊(duì)，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(jìn)展。合作團(tuán)隊(duì)開(kāi)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(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)估提供了新的思路，實(shí)現(xiàn)了鋰電池壽命的端到端評(píng)估。同時(shí)，該模型也作為團(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(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)。
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(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（CCL）和剩余使用壽命（RUL）的準(zhǔn)確預(yù)測(cè)。該模型在僅使用15個(gè)充電周期數(shù)據(jù)的情況下，能夠?qū)?/span>RUL和CLL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)集中未出現(xiàn)的充電策略時(shí)，仍能保持較低的預(yù)測(cè)誤差，證明了其zero-short泛化能力。
該電池壽命預(yù)測(cè)模型也是第一代電池?cái)?shù)字大腦PBSRD Digit重要組成部分，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。
本團(tuán)隊(duì)研發(fā)的壽命預(yù)測(cè)模型，有效平衡了預(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)團(tuán)隊(duì)也將會(huì)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。
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(huì)交通電氣化學(xué)報(bào)》（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(guó)家自然科學(xué)基金、中國(guó)科學(xué)院B類先導(dǎo)專項(xiàng)“能源電催化的動(dòng)態(tài)解析與智能設(shè)計(jì)”、中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)科研基金等項(xiàng)目的資助。（文/圖 劉云鵬）
