作為現(xiàn)代生活中不可或缺的能源載體，電池的重要性不言而喻。從清晨喚醒我們的鬧鐘，到隨身攜帶的手機、平板電腦等智能設備，無一不依賴于電池提供的穩(wěn)定電力。此外，隨著科技的發(fā)展，電動汽車、無人機等新興領域也廣泛應用了各類高性能電池，推動了綠色出行和智能科技的進步。因此，電池不僅極大地便利了我們的日常生活，還促進了科技的飛躍與社會的可持續(xù)發(fā)展。

然而，隨著電池使用時間的增長，其容量會逐漸衰減，導致供電時間縮短，影響設備的正常功能。如果能及時檢測電池壽命，用戶就能在電池性能明顯下降前采取相應措施，如更換新電池或優(yōu)化用電習慣，從而避免因電池問題導致的設備故障或數(shù)據(jù)丟失，延長電池整體使用壽命。因此，檢測電池壽命不僅是維護個人設備穩(wěn)定的需要，也是推動能源高效利用、促進環(huán)保的重要措施。

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(lián)合西安交通大學馮江濤教授，在電池健康管理領域取得新進展。他們開發(fā)了一種新型的深度學習模型，有效地解決了傳統(tǒng)方法對大量充電測試數(shù)據(jù)的依賴，為電池實時壽命預估提供了新的思路，實現(xiàn)了鋰電池壽命的端到端評估。同時，該模型也作為團隊開發(fā)的第一代電池數(shù)字大腦PBSRD Digit核心模型的重要組成部分，為電池智能管理提供了解決方案。相關成果發(fā)表在《電氣電子工程師學會交通電氣化學報》上。

深度學習技術應用于電池壽命預測。受訪者供圖

難以預測的電池壽命

電池的循環(huán)壽命是指電池在規(guī)定的充放電條件下，經歷多次完全充放電循環(huán)后，電池的容量或性能下降到初始值的某一規(guī)定百分比，所能經歷的充放電次數(shù)。通常，以電池容量衰減到初始值的80%作為循環(huán)壽命的“終點”。

比如每個人都會用到的手機，它就像是一輛裝備精良的賽車，而電池則是這輛賽車的“油箱”和“引擎”的結合體。新車剛到手時，電池就像是一個剛加滿高級燃油、動力澎湃的引擎，能夠輕松驅動賽車在數(shù)字世界的賽道上飛馳，無論是流暢播放高清視頻、還是快速處理多任務，都顯得游刃有余。然而，隨著使用時間的增長，電池的“油箱”逐漸變小，其內部的電化學反應開始放緩，就像引擎逐漸失去了往日的活力。假如一部手機的電池循環(huán)壽命是500次。這就意味著，如果你每天把手機電量完全用完再充滿一次，那么大約500天后，你會感覺到你的手機電量沒有以前那么耐用了，因為電池的循環(huán)壽命到了。

然而，由于電池容量的退化是一個受多種因素影響的動態(tài)過程，包括充放電循環(huán)次數(shù)、充放電深度、環(huán)境溫度、電池老化等，這些因素之間相互作用，使得電池壽命的預測變得尤為復雜。

此前，電池的壽命預測都在實驗室內進行。比如讓電池加速循環(huán)，在高溫45℃，高倍率運行，以此推斷它在實際應用場景中的使用壽命。但是不同的應用場景和運行條件會對鋰電池的壽命產生顯著影響，面臨溫度波動和長期靜置等挑戰(zhàn)，無法實現(xiàn)對電池的精準預測。

眾多團隊正積極投身于人工智能領域的探索中。然而，科技的現(xiàn)有發(fā)展水平為人工智能的應用設下了一定界限，導致其無法全面覆蓋所有領域。比如在汽車通信技術這一高度復雜的領域內，其背后的計算量浩如煙海，無論是借助機器學習算法進行深度分析，還是運用物理模型進行精準模擬，都亟需龐大的計算資源作為支撐。

“遺憾的是，當前的人工智能技術及其學習深度，加之有限的人力資源，還未能完全滿足對電池壽命進行精確檢測的需求?！泵斡铌U述道，“正是基于這一現(xiàn)狀，我們萌生了一個設想——設計一個能夠直接且高效地檢測電池壽命的創(chuàng)新模型。這一模型將致力于突破現(xiàn)有技術的局限，為電池健康管理提供更為可靠和智能的解決方案。”

AI模型讓電池“透視”

2017年，毛治宇還在加拿大滑鐵盧大學讀博，陳忠偉是他這個時候的導師。當時的人工智能剛剛起步，他們想試試，能不能解決檢測電池壽命這一難題呢？

“電池包括正極、負極、隔膜、電極液等等，實際上是一個復雜的電化學系統(tǒng)。但是那個時候的模型還停留在簡單的神經網絡學習，人工智能檢測實際上剛剛開始，我們就用自己的電池嘗試測試，將電池老化的問題納入進去，最終檢測出來的壽命與實際壽命相比，精度有了很大的提高?！泵斡罨貞浧甬敵醯谝淮螄L試，提到了電池老化的問題。

這次初步嘗試開啟了毛治宇在人工智能應用于電池智能管理方向的科研旅程，隨后經過畢業(yè)歸國工作，2022年，毛治宇又加入了陳忠偉的團隊。

陳忠偉團隊內有一個方向就是智能電池，包括“AI FOR SCIENCE（人工智能應用于科學） & AI FOR ENGINEERING（人工智能應用于工程），毛治宇想在這里圓夢。而目前科技的發(fā)展，已經延伸出了多個人工智能的計算模型。他們“順水推舟”結合了多個模型，實現(xiàn)了優(yōu)勢互補。

“我們利用了Vision Transformer結構。它可以進行并行計算，同時處理多任務。比如一塊圖像，我們可以切割成不同的小塊，然后每個小塊都可以獨立處理，這樣的話它的局部信息跟整體信息就可以得到有效整合，泛化能力比較強，可以擴展到其他的領域。”論文的第一作者、大連化物所博士后劉云鵬介紹道，“還有一個空間流加時間流的雙流框架去提取多維時間尺度信息，同時借助高效自注意力機制去減少計算復雜度。我們就是結合了這兩種算法，并且根據(jù)不同的優(yōu)勢將他們結合?！?/p>

本研究提出了一種基于少量充電周期數(shù)據(jù)的深度學習模型，該模型通過帶有雙流框架的Vision Transformer結構和高效自注意力機制，捕捉并融合多時間尺度隱藏特征，實現(xiàn)對電池當前循環(huán)壽命和剩余使用壽命的準確預測。該模型在僅使用15個充電周期數(shù)據(jù)的情況下，能夠將上述兩種預測誤差分別控制在5.40%和4.64%以內。此外，在面對訓練數(shù)據(jù)集中未出現(xiàn)的充電策略時，仍能保持較低的預測誤差，證明了其zero-shot泛化能力。

打造“電池數(shù)字大腦”

同時，該電池壽命預測模型也是第一代電池數(shù)字大腦PBSRD Digit重要組成部分。通過將上述模型整合到該系統(tǒng)中，進一步提高了系統(tǒng)的準確性。目前，該電池數(shù)字大腦系統(tǒng)作為大規(guī)模/工商業(yè)儲能和電動汽車的能量管理核心，可部署于云端服務器和客戶端嵌入式設備。

“現(xiàn)在新能源特別是儲能是熱點話題，很多的廠家都想要開發(fā)全生命周期的電池智能管理系統(tǒng)。我們就希望能夠建設一個完整的電池數(shù)字大腦，能夠更好地管理電池，像一個大腦控制電池的各個方面，讓電池效率更高、壽命越長，這也是我們未來的一個智能化發(fā)展方向?！泵斡罱榻B道。

事實上，陳忠偉、毛治宇、劉云鵬正好是一個團隊內的“師徒三代”。在團隊多年的發(fā)展路徑下，在電化學、電催化、人工智能方面都有著深刻的積累，從科學研究再到日常學習，都是傳承和沉淀的過程，他們的目標，是打造從基礎研究到關鍵技術開發(fā)再到產業(yè)應用示范全鏈條的模式，以應用為導向真正走向產業(yè)化，乃至對整個領域產生影響。

該團隊一定的優(yōu)勢來源于其強大的工程師陣容，150余人的團隊中，匯聚了超過五十位經驗豐富的工程師，他們來自不同的技術背景，不乏在大數(shù)據(jù)架構與算法領域深耕多年的專家，他們擅長將前沿的算法研究轉化為高效、穩(wěn)定的系統(tǒng)架構，確保技術成果能夠順利落地。

正是這種“研究+開發(fā)”深度融合的模式，使得團隊能夠跨越傳統(tǒng)界限，促進不同領域知識與技術的交叉融合。工程師們不僅能夠獨立承擔項目研發(fā)的重任，還能與科研人員緊密合作，將最新的研究成果迅速轉化為產品功能，從而加速技術創(chuàng)新與產業(yè)升級的步伐。

通過這種高效的協(xié)作機制，團隊不僅能夠在電池壽命檢測等特定領域取得突破，還能夠靈活應對各種復雜挑戰(zhàn)，推動多個項目并行發(fā)展，最終實現(xiàn)多元化、全方位的技術創(chuàng)新目標。

“未來，我們計劃利用模型提煉等技術進一步優(yōu)化模型，以提高資源利用率，打造真正的數(shù)字大腦?！标愔覀フf。

相關論文信息：https://doi.org/10.1109/TTE.2024.3434553

版權聲明：凡本網注明“來源：中國科學報、科學網、科學新聞雜志”的所有作品，網站轉載，請在正文上方注明來源和作者，且不得對內容作實質性改動；微信公眾號、頭條號等新媒體平臺，轉載請聯(lián)系授權。郵箱：shouquan@stimes.cn。

相關知識

人工智能大模型“拿捏”電池壽命
【中國科學報】人工智能大模型“拿捏”電池壽命
FIE ?北理工陳來研究員：機器學習和神經網絡支持的鋰離子電池健康狀態(tài)模擬和預測模型—論文—科學網
手機電池耗電太快？教你如何有效延長電池壽命
vivo OriginOS 5重磅更新：充電上限功能上線，電池壽命你掌控
西交大將AI用于電池建模和健康管理，成功打造物理信息神經網絡
車用動力電池健康狀態(tài)及壽命預測模型研究
電動工具電池壽命預測
電動汽車電池壽命揭秘：科學管理下的實際使用壽命遠超預期
電動車電池壽命真相大起底：別再被商家忽悠了！

網址: AI大模型“拿捏”電池壽命—新聞—科學網 http://m.gysdgmq.cn/newsview1295955.html