大连化物所开发新型深度学习框架 应用于电池健康状态预测
2025-08-201
从中国科学院大连化物所获悉，日前，该所能源催化转化全国重点实验室动力电池与系统研究部（DNL29）陈忠伟院士、毛治宇副研究员团队，联合西安交通大学冯江涛教授，在电池健康管理领域取得新进展。合作团队开发了一种新型两阶段联邦迁移学习框架，有效解决了快充电池健康状态（SOH）预测中的数据不足和个性化建模难题，为快充电池SOH预测提供了新思路。在本工作中，合作团队提出了一种两阶段联邦迁移学习框架。在第一阶段采用联邦迁移学习框架，使多个分布式电池通过共享模型参数，协作训练全局模型，既可以学习通用知识又保护了数据隐私；在第二阶段，利用目标电池的少量本地数据对该全局模型进行微调，建立捕获个体电池特征的个性化模型。联邦迁移学习框架构建在轻量级卷积神经网络上，并通过有效的通道注意机制提升了其性能。实验结果表明，该框架在公共快充电池数据集上的预测性能优于传统方法。联邦迁移学习框架作为团队开发的第二代电池数字大脑PBSRD Digit核心模型，为电池智能化管理提供了有效解决方案。此外，团队还基于该框架为双登集团开发了储能领域垂直智能客服系统，助力储能行业的智能化发展。
点我访问原文链接
最新动态