中国科学院大连化物所等开宣布用于电池寿数猜测的深度学习模型

9 月 3 日音讯，锂电池寿数的精确猜测关于电气设备的正常运转至关重要。但是，因为电池容量退化进程的非线性和运转条件的不确定性，电池寿数的精确猜测面临着应战。

中国科学院表明，大连化学物理研讨所动力催化转化全国重点实验室动力电池与体系研讨部研讨员陈忠伟、副研讨员毛治宇团队，联合西安交通大学教授冯江涛在电池健康办理研讨方面获得发展。相关研讨成果现已宣布在《电气电子工程师学会交通电气化学报》上（附 DOI:10.1109/TTE.2024.3434553）。

据介绍，研讨团队开发出了新式的深度学习模型，克服了传统办法对很多充电测试数据的依靠，为电池实时寿数预估供给了新思路，完成了锂电池寿数的端到端评价。该模型作为团队开发的第一代电池数字大脑 PBSRD Digit 中心模型的组成部分，为电池智能办理供给了解决方案。

该研讨提出了根据少数充电周期数据的深度学习模型。这一模型经过带有双流结构的 Vision Transformer 结构和高效自注意力机制，捕捉并交融多时刻尺度躲藏特征，完成对电池当时循环寿数和剩下运用寿数的精确猜测。

一起，该模型在运用 15 个充电周期数据的情况下，将剩下运用寿数和当时循环寿数的猜测差错别离控制在 5.40% 和 4.64% 以内。

此外，在面临练习数据集未呈现的充电战略时，该模型仍可以坚持较低的猜测差错，证明了其 zero-short 泛化才能。

这一电池寿数猜测模型是第一代电池数字大脑 PBSRD Digit 的组成部分。研讨人员经过将上述模型整合到该体系中，进一步进步了体系的精确性。

现在，该电池数字大脑体系作为大规模工商业储能和电动汽车的能量办理中心，可布置于云端服务器和客户端嵌入式设备。

这一模型平衡了猜测精确率和计算成本，进步了电池数字大脑关于寿数预估的使用价值。未来，该团队将经过模型蒸馏、剪枝等办法进一步优化模型，然后进步体系的鲁棒性和资源利用率。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等方式），用于传递更多信息，节约甄选时刻，成果仅供参考，一切文章均包括本声明。

内容来源：https://bachduy.com/app-1/gi8 fun,http://chatbotjud-teste.saude.mg.gov.br/app-1/futebolgratis