近日，中國科學院大連化學物理研究所研究員陳忠偉、副研究員毛治宇團隊聯合西安交通大學教授馮江濤，在電池健康管理領域取得進展。該團隊開發了新型的基于無監督域自適應的電池荷電狀態（SOC）跨域預測框架，解決了傳統方法對域間差異和目標數據標簽的依賴，為電池實時SOC預估提供了新思路，有望實現電池SOC的精準跨域評估。同時，這一遷移學習框架作是該團隊開發的第一代電池數字大腦PBSRD Digit核心模型的重要組成部分，可成為電池智能管理的解決方案之一。
鋰電池SOC的準確預測對于電氣設備的正常運行至關重要。而電池的不一致性和工作條件的變化導致電池跨域分布存在差異。同時，收集足夠的且帶有標簽的目標數據費時費力。
該團隊提出了基于對抗域自適應的SOC估計框架。科研人員基于特定工作條件下的離線數據集，構建并訓練了特殊設計的SOC估計器，以捕獲源域數據與標簽之間的映射關系；設計了帶有重構模塊和最大均值差異約束的對抗網絡，提取域不變特征，減小域間分布差異；僅基于數量有限且未標記的目標域數據，實現了預訓練模型可被遷移至不同的電池工作條件。實驗結果表明，在固定環境溫度、動態變化環境溫度和電池類型改變的條件下，該團隊提出的遷移框架的最佳跨域誤差分別為1.33%、2.57%和1.45%，表明該框架有望實現電池SOC的跨域評估。
相關研究成果以An unsupervised domain adaptation framework for cross-conditions state of charge estimation of lithium-ion batteries為題，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
大連化物所等開發出用于電池荷電狀態跨域預測的新型深度學習框架
本文鏈接：大連化物所等開發出用于電池荷電狀態跨域預測的新型深度學習框架http://m.lensthegame.com/show-12-425-0.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，僅提供存儲服務。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。