近日，中國科學院大連化學物理研究所能源催化轉化全國重點實驗室動力電池與系統研究部研究員陳忠偉、副研究員毛治宇團隊，聯合西安交通大學教授馮江濤，在電池健康管理研究方面取得進展。該團隊開發了新型的深度學習模型，克服了傳統方法對大量充電測試數據的依賴，為電池實時壽命預估提供了新思路，實現了鋰電池壽命的端到端評估。該模型作為團隊開發的第一代電池數字大腦PBSRD??Digit核心模型的組成部分，為電池智能管理提供了解決方案。

鋰電池壽命的準確預測對于電氣設備的正常運行至關重要。然而，由于電池容量退化過程的非線性和運行條件的不確定性，電池壽命的準確預測面臨著挑戰。

該研究提出了基于少量充電周期數據的深度學習模型。這一模型通過帶有雙流框架的Vision?? Transformer結構和高效自注意力機制，捕捉并融合多時間尺度隱藏特征，實現對電池當前循環壽命和剩余使用壽命的準確預測。同時，該模型在使用15個充電周期數據的情況下，將剩余使用壽命和當前循環壽命的預測誤差分別控制在5.40%和4.64%以內。此外，在面對訓練數據集未出現的充電策略時，該模型仍能夠保持較低的預測誤差，證明了其zero-short泛化能力。

這一電池壽命預測模型是第一代電池數字大腦PBSRD Digit的組成部分。研究人員通過將上述模型整合到該系統中，進一步提高了系統的準確性。目前，該電池數字大腦系統作為大規模工商業儲能和電動汽車的能量管理核心，可部署于云端服務器和客戶端嵌入式設備。

這一模型平衡了預測準確率和計算成本，提高了電池數字大腦對于壽命預估的應用價值。未來，該團隊將通過模型蒸餾、剪枝等方法進一步優化模型，從而提高系統的魯棒性和資源利用率。

相關研究成果以Deep learning powered lifetime prediction for lithium-ion batteries based on small amounts of charging cycles為題，發表在《電氣電子工程師學會交通電氣化學報》（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。

文章鏈接：https://ieeexplore.ieee.org/document/10613834