大规模无标签数据助力电池管理：基于自监督机器学习与实车运行数据的电池老化诊断方法

文章预览

第一作者：Qiao Wang 通讯作者：Bin Li, Weihan Li 通讯单位：长安大学, 亚琛工业大学 【研究背景】 发展电动汽车是全球能源系统变革、数字智能化经济建设的重大战略需求。锂离子电池因其能量密度高、使用寿命长、自放电率低等优点，是电动汽车最理想的储能系统之一。然而，作为电化学系统，锂离子电池在使用和储存过程中会出现容量和功率的持续衰减，从而引发潜在的寿命和安全问题。准确的锂离子电池老化诊断有利于提升整车系统的安全性与经济性，在电动汽车电池管理系统中扮演重要角色。然而，由于复杂的老化机制和实际应用场景下的不确定性，在实车应用中实现准确的电池老化诊断具有挑战性。 【工作简介】 近日，长安大学联合德国亚琛工业大学Weihan Li团队提出了一种基于自监督学习的电池老化诊断框架，充分挖掘实车无标签数据以 ………………………………