大連化学物理研究所、中国科学院などがバッテリー寿命予測のための深層学習モデルを開発

このウェブサイトは9月3日、電気機器の正常な動作にはリチウム電池の寿命を正確に予測することが重要であると報じた。ただし、バッテリー容量の劣化プロセスの非線形性と動作条件の不確実性により、バッテリー寿命を正確に予測することは課題に直面しています。中国科学院は、大連化学物理学研究所エネルギー触媒変換国家重点研究所動力電池・システム研究部の陳中衛研究員と毛志宇准研究員のチームが習近平の馮江濤教授とともに発表したと発表した。安交通大学は、バッテリーの健康管理の研究で進歩を遂げました。関連する研究結果は、電気電子学会の Journal of Transportation Electrochemistry (DOI: 10.1109/TTE.2024.3434553、このサイトに添付) に掲載されています。

2. このモデルは、チームによって開発された第 1 世代のバッテリー デジタル ブレイン PBSRD Digit コア モデルのコンポーネントとして機能し、インテリジェントなバッテリー管理のソリューションを提供します。

   

   1. 深層学習に基づく電池寿命予測モデル

この研究は、少量の充電サイクル データに基づく深層学習モデルを提案します。 。このモデルは、Vision Transformer 構造と効率的なセルフアテンション メカニズムを通じて、マルチタイム スケールの隠れた特徴を捉えて融合し、バッテリーの現在のサイクル寿命と残りの耐用年数の正確な予測を実現します。

2. 予測精度と一般化能力

同時に、モデルは残存寿命と現在のサイクル寿命予測誤差を制御します。それぞれ5.40%以内と4.64%以内。さらに、このモデルは、トレーニング データセットに現れない課金戦略に直面した場合でも低い予測誤差を維持することができ、ゼロショート汎化能力を実証しています。

3. Battery Digital Brain との統合

このバッテリー寿命予測モデルは、Battery Digital BrainPBSRD Digit の第 1 世代です。成分。研究者らは、上記のモデルをシステムに統合することで、システムの精度をさらに向上させました。

4. 展開と応用

現在、バッテリーデジタルブレインシステムは、大規模な産業用および商業用エネルギー貯蔵と、電気自動車に対応しており、クラウド サーバーやクライアントの組み込みデバイスに導入できます。

5. モデルの最適化

このモデルは、予測精度と計算コストのバランスをとり、 寿命推定 アプリケーションのバッテリーのデジタル頭脳を改善します。価値。将来的には、チームはモデルの蒸留、枝刈り、その他の方法を通じてモデルをさらに最適化し、システムの堅牢性とリソース利用率を向上させます。

以上が大連化学物理研究所、中国科学院などがバッテリー寿命予測のための深層学習モデルを開発の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。