다롄 화학물리연구소, 중국과학원 등이 배터리 수명 예측을 위한 딥러닝 모델 개발

이 웹사이트는 9월 3일에 리튬 배터리 수명을 정확하게 예측하는 것이 전기 장비의 정상적인 작동에 중요하다고 보도했습니다. 그러나 배터리 용량 저하 과정의 비선형성과 작동 조건의 불확실성으로 인해 배터리 수명을 정확하게 예측하는 데 어려움이 있습니다. 중국과학원은 대련화학물리연구소 산하 국가중점에너지촉매연구소 전력배터리 및 시스템 연구부 소속 Chen Zhongwei 연구원과 부연구원 Mao Zhiyu 팀이 시진핑 주석 Feng Jiangtao 교수와 함께 Jiaotong University는 배터리 상태 관리 연구에서 진전을 이루었습니다. 관련 연구 결과는 전기전자공학회 교통전기화학저널(본 사이트에 첨부된 DOI: 10.1109/TTE.2024.3434553)에 게재되었습니다.

1. 보고서에 따르면 연구팀은 대용량 충전 테스트 데이터에 의존하는 기존 방식을 극복하고 실시간 배터리 수명에 대한 새로운 아이디어를 제공하는 새로운 딥러닝 모델을 개발했습니다. 추정하고 리튬 배터리 수명에 대한 엔드투엔드 평가를 달성합니다.

2. 이 모델은 팀이 개발한 1세대 배터리 디지털 브레인 PBSRD Digit 코어 모델의 구성 요소로 지능형 배터리 관리 솔루션을 제공합니다.

   

   1. 딥러닝 기반 배터리 수명 예측 모델

본 연구에서는 소량의 충전주기 데이터를 기반으로 한 딥러닝 모델을 제안합니다. . 이 모델은 Vision Transformer 구조와 효율적인 self-attention 메커니즘을 통해 다중 시간 규모의 숨겨진 기능을 포착하고 융합하여 배터리의 현재 사이클 수명 및 남은 서비스 수명을 정확하게 예측합니다.

2. 예측 정확도 및 일반화 능력

동시에 모델은 남은 수명과 현재 사이클 수명 예측 오류를 결합하여 제어됩니다. 각각 5.40%와 4.64% 이내입니다. 또한 모델은 훈련 데이터 세트에 나타나지 않는 충전 전략에 직면했을 때에도 여전히 낮은 예측 오류를 유지할 수 있어 제로 쇼트 일반화 능력을 보여줍니다.

3. Battery Digital Brain과의 통합

이 배터리 수명 예측 모델은 1세대 Battery Digital BrainPBSRD Digit입니다. 요소. 연구진은 위 모델을 시스템에 통합해 시스템의 정확도를 더욱 향상시켰다.

4. 배포 및 응용

현재 배터리 디지털 두뇌 시스템은 대규모 산업 및 상업용 에너지 저장 및 에너지 관리 핵심 역할을 하고 있습니다. 클라우드 서버 및 클라이언트 내장 장치에 배포할 수 있습니다.

5. 모델 최적화

이 모델은 예측 정확도와 계산 비용의 균형을 유지하여 수명 추정 애플리케이션을 위한 배터리 디지털 두뇌를 개선합니다. 값. 앞으로 팀은 모델 증류, 가지치기 및 기타 방법을 통해 모델을 더욱 최적화하여 시스템의 견고성과 리소스 활용도를 향상할 것입니다.

위 내용은 다롄 화학물리연구소, 중국과학원 등이 배터리 수명 예측을 위한 딥러닝 모델 개발의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!