首頁資訊北理工孫逢春院士團隊最新Joule：深度學習算法為電池健康打分

北理工孫逢春院士團隊最新Joule：深度學習算法為電池健康打分

來源：泰然健康網(wǎng) 時間：2025年05月20日 23:09

原創(chuàng) Cell Press CellPress細胞科學

物質科學

Physical science

2021年6月16日，北京理工大學孫逢春院士團隊在Cell Press旗下期刊Joule發(fā)表了題為“Deep neural network battery charging curve prediction using 30 points collected in 10 min”的研究論文。該研究提出了一種應用深度神經(jīng)網(wǎng)絡的充電曲線估計方法，為智能化電池管理的研發(fā)奠定了基礎。

近年來，電池被廣泛用作便攜式電子設備、儲能系統(tǒng)和新能源汽車等眾多領域的核心能源材料器件，電池的實時健康監(jiān)測和老化狀態(tài)管控也逐漸成為用戶關注的焦點。雖然目前已經(jīng)有許多關于電池最大可用容量實時估計的研究工作，但僅關注最大可用容量往往無法及時、全面地認識電池老化的實際情況，進而導致電池管理、維護的疏忽誤判，留下安全隱患。

北京理工大學孫逢春院士團隊先進儲能科學與應用課題組創(chuàng)新性地提出了一種應用深度神經(jīng)網(wǎng)絡的充電曲線估計方法，通過使用少量充電數(shù)據(jù)片段作為深度神經(jīng)網(wǎng)絡的輸入，實現(xiàn)了電池老化過程中的完整恒流充電曲線估計，不再止步于最大可用容量的估計，打破了傳統(tǒng)電池健康監(jiān)測的局限性。文章中案例使用不到10分鐘內(nèi)采集的30個數(shù)據(jù)點便可準確估計完整的恒流充電曲線。由于恒流充電是電池日常工作中的相對穩(wěn)定工況，恒流充電曲線估計可以進一步確定電池最大可用容量/能量、剩余容量/能量、容量微分曲線等關鍵狀態(tài)。

電池老化測試硬件昂貴、耗時長，導致管理算法開發(fā)具有較高的人力時間成本。作為電池管理核心算法，文章所提出的方法具有遷移學習的優(yōu)勢，僅需要少量訓練數(shù)據(jù)便可快速適用于不同規(guī)格的電池和不同應用場景，并且能夠保持良好的充電曲線估計效果，有效降低了算法開發(fā)的試驗測試需求，縮短了開發(fā)用時。這項研究工作為智能化電池管理的研發(fā)奠定了基礎。

作者專訪

Cell Press細胞出版社公眾號特別邀請北京理工大學孫逢春院士團隊接受了專訪，請他圍繞該研究進行進一步詳細解讀。

CellPress：

DNN的算法適用于哪些電池？有沒有不適用的評估體系？為什么？

孫逢春院士團隊：

DNN是一種數(shù)據(jù)驅動的方法，該方法僅需要片段電池充電數(shù)據(jù)作為輸入，便可輸出完整的充電曲線。充電曲線可以用于評估電池老化軌跡和性能衰退過程，由于是一種應用數(shù)據(jù)驅動的方法，本質上不受限于電池材料、體系和類型，具有非常好的普適性。

CellPress：

這種預測模型的深度學習性體現(xiàn)在哪些方面？

孫逢春院士團隊：

本文所使用的深度神經(jīng)網(wǎng)絡采用了一系列經(jīng)典的卷積層、最大池化層、密集連接層等以實現(xiàn)從端對端的估計效果，是指直接使用未經(jīng)特征提取的數(shù)據(jù)作為網(wǎng)絡的輸入即可達到滿意的估計效果。同時，模型能夠靈活地實現(xiàn)對向量的估計，因此可處理完整充電曲線的估計問題。此外，本文還探索了深度神經(jīng)網(wǎng)絡的遷移學習性質，預訓練的網(wǎng)絡能夠經(jīng)過微調適應不同的電池數(shù)據(jù)。

CellPress：

該模型對于分析電池老化機制有哪些作用？

孫逢春院士團隊：

該模型從數(shù)據(jù)片段入手實現(xiàn)完整充電曲線的重構，因此相比于對最大容量的估計，可以為電池老化機制分析提供更多有用的信息。例如，可以結合容量增量法、差分電壓法等利用曲線變化觀察峰、谷的變化實現(xiàn)電池老化機制的量化。

另一方面，如果從電池老化機制出發(fā)進行回歸問題的設計或者網(wǎng)絡結構的優(yōu)化，有望實現(xiàn)電池老化知識與數(shù)據(jù)驅動算法的融合，實現(xiàn)更可靠的電池老化機理分析以及關鍵狀態(tài)提取，這也是后續(xù)探索的一個方向。

CellPress：

該研究對于電池產(chǎn)業(yè)的發(fā)展有哪些幫助？應用于產(chǎn)業(yè)化還有多遠？

孫逢春院士團隊：

該研究有望應用于電池健康評估以及全壽命區(qū)間內(nèi)電量、能量等關鍵狀態(tài)估計等方面。目前深度學習已滲透到日常生活各個方面，例如機器翻譯、自動駕駛等。深度學習算法與電池管理問題的碰撞也對電池管理系統(tǒng)的開發(fā)帶來了一些全新的思路。近年來，“云電池管理系統(tǒng)”、“電池數(shù)字孿生”等先進理念在行業(yè)內(nèi)的逐步推動也為本文方法的落地應用提供了契機。后續(xù)我們將推動深度學習算法在電池管理產(chǎn)業(yè)中的應用。

團隊介紹

田金鵬

博士研究生

田金鵬，男，1994年6月出生，北京理工大學機械工程專業(yè)博士研究生，主要研究方向為電化學儲能系統(tǒng)設計與運維管理。至今已在能源領域高水平頂級期刊發(fā)表論文十余篇，授權國家發(fā)明專利5件，論文總被引671次。擔任IEEE TIE、 IEEE TVT等行業(yè)頂級期刊審稿人，獲得國際學術會議最佳論文獎。

盧家歡

博士研究生

盧家歡，男，1992年2月出生，北京理工大學機械工程專業(yè)博士研究生，主要研究方向為電動汽車動力電池耐久性管理與梯次利用，曾獲International Conference on Electric and Intelligent Vehicles國際學術會議最佳論文獎。

熊瑞

教授

熊瑞，北京理工大學教授、博士生導師，IET Fellow，中國電工技術學會理事。長期從事電動載運裝備和儲能系統(tǒng)研究，主持國家自然科學基金、國家重點研發(fā)計劃等項目，主持和北汽、宇通、一汽等企業(yè)委托技術攻關課題，在Nature Energy、Joule 等期刊發(fā)表學術論文100余篇，出版中英文專著4部，授權國家發(fā)明專利40件、軟件著作權登記9件和主持建設中國汽車工程學會團體標準2項。擔任中國科技期刊卓越行動計劃高起點新刊《新能源與智能載運》創(chuàng)刊執(zhí)行主編，以及Applied Energy和IEEE Transactions on Intelligent Transportation Systems等國際期刊編委。持續(xù)入選2018-2020年科睿唯安“全球高被引學者”、2019-2020年愛思唯爾“中國高被引學者”。排名第2獲教育部自然一等獎和汽車工業(yè)技術發(fā)明一等獎。

孫逢春

院士

孫逢春，北京理工大學教授、博士生導師，中國工程院院士，中國電工技術學會副理事長。我國電動車輛工程科技的主要開拓者之一，長期致力于電動車輛總體設計理論、系統(tǒng)集成與控制、一體化電驅動與傳動、充/換電站基礎設施及運行健康管理等技術研究。創(chuàng)建了我國“電動車輛—充/換電站—遠程實時監(jiān)控”系統(tǒng)工程技術體系。主持實施了國際奧運史上首次奧運中心區(qū)零排放公交系統(tǒng)工程。領導組建了電動車輛國家工程實驗室、新能源汽車運行國家監(jiān)測與管理中心以及北京電動車輛協(xié)同創(chuàng)新中心。擔任中國科技期刊卓越行動計劃高起點新刊《新能源與智能載運》創(chuàng)刊主編。第一完成人獲國家技術發(fā)明獎二等獎2項、國家科技進步獎二等獎1項、何梁何利獎及省部級獎多項。獲授權發(fā)明專利65項。出版著作7部，發(fā)表收錄學術論文210篇，總被引8000余次。

相關論文信息

論文原文刊載于CellPress細胞出版社旗下期刊Joule上，點擊“閱讀原文”或掃描下方二維碼查看論文

▌論文標題：

Deep neural network battery charging curve prediction using 30 points collected in 10 min

▌論文網(wǎng)址：

https://www.cell.com/joule/fulltext/S2542-4351(21)00247-6

▌DOI：

https://doi.org/10.1016/j.joule.2021.05.012

閱讀原文

網(wǎng)址: 北理工孫逢春院士團隊最新Joule：深度學習算法為電池健康打分 http://m.u1s5d6.cn/newsview1295901.html