张璇、周光敏团队在随机退役条件下基于生成式学习的电池健康状态评估与可持续回收研究中取得新进展

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑丨ScienceAI 随着电动汽车市场的快速发展，动力电池需求量激增，但其设计寿命有限，退役潮已经到来。如何高效、经济、环保地处理这些退役电池，成为亟待解决的挑战。梯次利用和回收利用被视为关键途径，而准确评估退役电池健康状态（SOH）则是实现这一目标的基础。 传统恒流恒压（CCCV）方法评估SOH需耗费大量时间和电能，效率低下。相比之下，脉冲测试方法展现出快速估算SOH的潜力，但受退役电池随机荷电状态（SOC）影响，准确性有待提升。此外，现有脉冲测试方法需在不同SOC条件和电池类型下进行大量数据采集，面临数据稀缺性和异质性挑战。 针对上述问题，清华大学深圳国际研究生院张璇、周光敏团队提出一种基于注意力变分自动编码器（AVAE）的生成式机器学习方法 ………………………………