近日，中国科学院大连化学物理研究所能源催化转化全国重点实验室动力电池与系统研究部（DNL29）陈忠伟院士、毛治宇副研究员团队，联合西安交通大学冯江涛教授，在电池健康管理领域取得新进展。合作团队开发了一种新型的两阶段联邦迁移学习框架，有效解决了快充电池健康状态（SOH）预测中的数据不足和个性化建模难题，为快充电池SOH预测提供了新思路。
健康状态的准确预测对于电动汽车电池管理至关重要。然而，在实际应用中，基于快充片段准确估计电池SOH面临两大挑战：一是由于隐私保护要求，单个电池的训练数据有限；二是不同电池的充放电行为不同，需要建立个性化的预测模型。
在本工作中，合作团队提出了一种两阶段联邦迁移学习框架。在第一阶段采用联邦迁移学习框架，使多个分布式电池通过共享模型参数，协作训练全局模型，既可以学习通用知识又保护了数据隐私；在第二阶段，利用目标电池的少量本地数据对该全局模型进行微调，建立捕获个体电池特征的个性化模型。联邦迁移学习框架构建在轻量级卷积神经网络上，并通过有效的通道注意机制提升了其性能。实验结果表明，该框架在公共快充电池数据集上的预测性能优于传统方法。
联邦迁移学习框架作为团队开发的第二代电池数字大脑PBSRD Digit核心模型，为电池智能化管理提供了有效解决方案。此外，团队还基于该框架为双登集团开发了储能领域垂直智能客服系统，助力储能行业的智能化发展。
近年来，陈忠伟团队致力于推动人工智能与能源电催化技术的融合，构建了人工智能与电化学相结合的研究体系。团队在“高性能材料筛选与设计”（Joule，2021；Adv. Mater.，2022；Chem. Soc. Rev.，2020）、“高通量智能研发平台”和“智能系统集成管理”（IEEE Trans. Transp. Electrification，2024；IEEE Trans. Transp. Electrification，2024；Appl. Energy，2024；Batteries，2024；World Electr. Veh. J.，2022；J. Electrochem. Soc.，2019）等领域取得系列进展，展现了人工智能驱动电化学科学研究创新和人工智能推动新能源工程应用创新在实际应用中的潜力。
相关研究成果以“A federated transfer learning framework for lithium-ion battery state of health estimation based on fast-charging segments”为题，于近日发表在《电气电子工程师学会交通电气化学报》（IEEE Transactions on Transportation Electrification）上。该工作的第一作者是中国科学院大连化学物理研究所DNL29博士后刘云鹏，该工作得到国家自然科学基金、中国科学院B类先导专项“能源电催化的动态解析与智能设计”、中央高校基本科研业务费专项资金等项目的资助。（文/图 刘云鹏）
文章链接：https://ieeexplore.ieee.org/document/11105532
欧洲空间局公布了“欧几里德”空间望远镜拍摄的首批彩色图像，有助于揭示暗物质和暗能量等宇宙奥秘。图为马头星云的 中新网12月20日电 据台湾中天新闻网报道，新党桃园市“立委”参选人游智彬19日揭露，台南“立委”陈亭妃博士论文涉嫌抄 ? 2023年12月14日，自然科学基金委化学科学部在北京召开会议，对2017年度资助的国家自然科学基金创新研究群体项目进 ·“这项研究似乎说明，长期生活在食品不安全的状况中所带来的危害是没那么容易逆转的。研究也表明，对于那些因 美国哈佛大学校长克洛迪娜·盖伊当地时间1月2日发表声明，宣布辞去哈佛大学校长一职。 盖伊在声明中说，她 科技日报讯 （记者张佳星）我国的临床资源十分丰富，但原创医学科研成果质量和规模与临床资源却不相匹配。如何进一步提升 。本文链接：科学家开发出预测电池健康状态的新型深度学习框架http://www.sushuapos.com/show-11-24794-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
下一篇： 新化石揭示最早的离水探索之旅