大连化物所：用于电池荷电状态跨域预测的新型深度学习框架

文章预览

近日，中国科学院大连化学物理研究所研究员陈忠伟、副研究员毛治宇团队联合西安交通大学教授冯江涛，在电池健康管理领域取得进展。该团队开发了新型的基于无监督域自适应的电池荷电状态（SOC）跨域预测框架，解决了传统方法对域间差异和目标数据标签的依赖，为电池实时SOC预估提供了新思路，有望实现电池SOC的精准跨域评估。同时，这一迁移学习框架作是该团队开发的第一代电池数字大脑PBSRD Digit核心模型的重要组成部分，可成为电池智能管理的解决方案之一。 锂电池SOC的准确预测对于电气设备的正常运行至关重要。而电池的不一致性和工作条件的变化导致电池跨域分布存在差异。同时，收集足够的且带有标签的目标数据费时费力。 该团队提出了基于对抗域自适应的SOC估计框架。科研人员基于特定工作条件下的离线数据集，构建并训练 ………………………………