【儀表網(wǎng) 研發(fā)快訊】近日，中國科學(xué)院大連化學(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)了一種新型的兩階段聯(lián)邦遷移學(xué)習框架，有效解決了快充電池健康狀態(tài)(SOH)預(yù)測中的數(shù)據(jù)不足和個性化建模難題，為快充電池SOH預(yù)測提供了新思路。
健康狀態(tài)的準確預(yù)測對于電動汽車電池管理至關(guān)重要。然而，在實際應(yīng)用中，基于快充片段準確估計電池SOH面臨兩大挑戰(zhàn)：一是由于隱私保護要求，單個電池的訓(xùn)練數(shù)據(jù)有限；二是不同電池的充放電行為不同，需要建立個性化的預(yù)測模型。
在本工作中，合作團隊提出了一種兩階段聯(lián)邦遷移學(xué)習框架。在第一階段采用聯(lián)邦遷移學(xué)習框架，使多個分布式電池通過共享模型參數(shù)，協(xié)作訓(xùn)練全局模型，既可以學(xué)習通用知識又保護了數(shù)據(jù)隱私；在第二階段，利用目標電池的少量本地數(shù)據(jù)對該全局模型進行微調(diào)，建立捕獲個體電池特征的個性化模型。聯(lián)邦遷移學(xué)習框架構(gòu)建在輕量級卷積神經(jīng)網(wǎng)絡(luò)上，并通過有效的通道注意機制提升了其性能。實驗結(jié)果表明，該框架在公共快充電池數(shù)據(jù)集上的預(yù)測性能優(yōu)于傳統(tǒng)方法。
聯(lián)邦遷移學(xué)習框架作為團隊開發(fā)的第二代電池數(shù)字大腦PBSRD Digit核心模型，為電池智能化管理提供了有效解決方案。此外，團隊還基于該框架為雙登集團開發(fā)了儲能領(lǐng)域垂直智能客服系統(tǒng)，助力儲能行業(yè)的智能化發(fā)展。
近年來，陳忠偉團隊致力于推動人工智能與能源電催化技術(shù)的融合，構(gòu)建了人工智能與電化學(xué)相結(jié)合的研究體系。團隊在“高性能材料篩選與設(shè)計”(Joule，2021；Adv. Mater.，2022；Chem. Soc. Rev.，2020)、“高通量智能研發(fā)平臺”和“智能系統(tǒng)集成管理”(IEEE Trans. Transp. Electrification，2024；IEEE Trans. Transp. Electrification，2024；Appl. Energy，2024；Batteries，2024；World Electr. Veh. J.，2022；J. Electrochem. Soc.，2019)等領(lǐng)域取得系列進展，展現(xiàn)了人工智能驅(qū)動電化學(xué)科學(xué)研究創(chuàng)新和人工智能推動新能源工程應(yīng)用創(chuàng)新在實際應(yīng)用中的潛力。
相關(guān)研究成果以“A federated transfer learning framework for lithium-ion battery state of health estimation based on fast-charging segments”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”、中央高校基本科研業(yè)務(wù)費專項資金等項目的資助。
所有評論僅代表網(wǎng)友意見，與本站立場無關(guān)。