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。
圖/中國科學院大連化學物理研究所
來自中國科學院大連化學物理研究所的消息顯示，近日，該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。
電池網微信
