近日，中國科學院大連化學物理研究所研究員陳忠偉、副研究員毛治宇團隊聯合西安交通大學教授馮江濤，在電池健康管理領域取得進展。該團隊開發了新型的基于無監督域自適應的電池荷電狀態(SOC)跨域預測框架，解決了傳統方法對域間差異和目標數據標簽的依賴，為電池實時SOC預估提供了新思路，有望實現電池SOC的精準跨域評估。同時，這一遷移學習框架作是該團隊開發的第一代電池數字大腦PBSRD Digit核心模型的重要組成部分，可成為電池智能管理的解決方案之一。
 

　　鋰電池SOC的準確預測對于電氣設備的正常運行至關重要。而電池的不一致性和工作條件的變化導致電池跨域分布存在差異。同時，收集足夠的且帶有標簽的目標數據費時費力。
 

　　該團隊提出了基于對抗域自適應的SOC估計框架。科研人員基于特定工作條件下的離線數據集，構建并訓練了特殊設計的SOC估計器，以捕獲源域數據與標簽之間的映射關系；設計了帶有重構模塊和最大均值差異約束的對抗網絡，提取域不變特征，減小域間分布差異；僅基于數量有限且未標記的目標域數據，實現了預訓練模型可被遷移至不同的電池工作條件。實驗結果表明，在固定環境溫度、動態變化環境溫度和電池類型改變的條件下，該團隊提出的遷移框架的最佳跨域誤差分別為1.33%、2.57%和1.45%，表明該框架有望實現電池SOC的跨域評估。
 

　　相關研究成果以An unsupervised domain adaptation framework for cross-conditions state of charge estimation of lithium-ion batteries為題，發表在《IEEE交通電氣化匯刊》(IEEE Transactions on Transportation Electrification)上。研究工作得到國家自然科學基金和中國科學院戰略性先導科技專項(B類)等的支持。