近日，中國科學院大連化學物理研究所研究員陳忠偉與副研究員毛治宇團隊，聯合西安交通大學教授馮江濤，在電池健康管理方面取得進展。合作團隊開發了新型兩階段聯邦遷移學習框架，解決了快充電池健康狀態預測中的數據不足和個性化建模難題，為快充電池健康狀態預測提供了新思路。
電池健康狀態的準確預測對電動汽車電池管理至關重要。在實際應用中，快充片段準確預測電池健康狀態面臨兩個挑戰：一是由于隱私保護要求，單個電池的訓練數據有限；二是不同電池的充放電行為不同，需要建立個性化預測模型。
該團隊提出了兩階段聯邦遷移學習框架。第一階段采用聯邦遷移學習框架，使多個分布式電池通過共享模型參數，協作訓練全局模型，既可以學習通用知識又能夠保護數據隱私；在第二階段，通過目標電池的少量本地數據對這一全局模型進行微調，建立捕獲個體電池特征的個性化模型。聯邦遷移學習框架構建在輕量級卷積神經網絡上，并通過有效的通道注意機制提升了性能。實驗結果表明，該框架在公共快充電池數據集上的預測性能優于傳統方法。
聯邦遷移學習框架作為團隊開發的第二代電池數字大腦PBSRD Digit的核心模型，為電池智能化管理提供了解決方案。同時，團隊基于該框架開發了儲能領域垂直智能客服系統，助力儲能行業的智能化發展。
相關研究成果發表在《IEEE交通電氣化匯刊》（IEEE Transactions on Transportation Electrification）上。研究工作得到國家自然科學基金和中國科學院戰略性先導科技專項（B類）等的支持。
論文鏈接
科研人員提出預測電池健康狀態的新深度學習框架
本文鏈接：科研人員提出預測電池健康狀態的新深度學習框架http://www.sq15.cn/show-12-1632-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 嫦娥六號樣品研究揭示月球年輕火山活動的源區特征與熱驅動機制
下一篇： 研究實現大位阻醛的高效自由基合成