【ITBEAR】9月3日消息，中國科學院大連化學物理研究所聯(lián)合西安交通大學，在電池技術(shù)領(lǐng)域取得了重要突破，他們共同研發(fā)了一種新型的深度學習模型，該模型能夠高效預(yù)測鋰電池的壽命，為電池健康管理帶來了革命性的變革。
這一新型模型打破了傳統(tǒng)預(yù)測方法對于龐大充電測試數(shù)據(jù)的依賴，實現(xiàn)了對鋰電池壽命的實時預(yù)估。它基于少量的充電周期數(shù)據(jù)，運用創(chuàng)新的雙流框架Vision Transformer結(jié)構(gòu)和高效自注意力機制，能夠精準捕捉并融合電池在不同時間尺度下的隱藏特征，從而準確預(yù)測電池的當前循環(huán)壽命以及剩余使用壽命。
據(jù)ITBEAR了解，在使用僅15個充電周期的數(shù)據(jù)進行測試時，該模型在預(yù)測剩余使用壽命和當前循環(huán)壽命方面表現(xiàn)出了令人矚目的準確性，誤差分別被控制在5.40%和4.64%以內(nèi)。更值得一提的是，即使面對訓練數(shù)據(jù)集中未曾出現(xiàn)的充電策略，該模型依然能夠保持較低的預(yù)測誤差，展現(xiàn)了出色的zero-short泛化能力。
該研究的核心成果已經(jīng)成功集成到第一代電池數(shù)字大腦PBSRD Digit系統(tǒng)中，顯著提升了系統(tǒng)的預(yù)測準確性。目前，這一先進技術(shù)已廣泛應(yīng)用于大規(guī)模工商業(yè)儲能系統(tǒng)和電動汽車的能量管理中，為提升電池使用效率和安全性提供了有力支持。
展望未來，研究團隊計劃通過采用模型蒸餾、剪枝等高級優(yōu)化技術(shù)，進一步提升模型的性能。這不僅能夠在保持預(yù)測準確率的同時降低計算成本，還將大幅提升電池數(shù)字大腦在壽命預(yù)估領(lǐng)域的實際應(yīng)用價值，為電池技術(shù)的持續(xù)進步貢獻力量。
