近日，中国科学院大连化学物理研究所研究员陈忠伟与副研究员毛治宇团队，联合西安交通大学教授冯江涛，在电池健康管理方面取得进展。合作团队开发了新型两阶段联邦迁移学习框架，解决了快充电池健康状态预测中的数据不足和个性化建模难题，为快充电池健康状态预测提供了新思路。
电池健康状态的准确预测对电动汽车电池管理至关重要。在实际应用中，快充片段准确预测电池健康状态面临两个挑战：一是由于隐私保护要求，单个电池的训练数据有限；二是不同电池的充放电行为不同，需要建立个性化预测模型。
该团队提出了两阶段联邦迁移学习框架。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能够保护数据隐私；在第二阶段，通过目标电池的少量本地数据对这一全局模型进行微调，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的核心模型，为电池智能化管理提供了解决方案。同时，团队基于该框架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。
相关研究成果发表在《IEEE交通电气化汇刊》（IEEE Transactions on Transportation Electrification）上。研究工作得到国家自然科学基金和中国科学院战略性先导科技专项（B类）等的支持。
论文链接
科研人员提出预测电池健康状态的新深度学习框架
11月8日，记者从南方科技大学获悉，该校地球与空间科学系副教授胡佳顺研究团队与南洋理工大学助理教授卢卡·达尔&mid 中国教育报-中国教育新闻网讯（记者 陈欣然）“学校开设的‘简历门诊’对我太有帮助了！老师一对一‘把脉’，既让我看清短板，也明白了如何突出自己的竞争优势。”天津职业大学生物与环境工程学院2025 新华社利马/西安11月13日电 “天涯若比邻”——这句唐朝诗人王勃的千古名句，既是8年前秘鲁国家考古人类学历史博物馆“华夏瑰宝展”的主题，也是多年来中国和秘鲁传统友好、民心相亲的生动写照 学龄前时期是儿童身心发展的重要阶段，学前教育是国民教育体系的重要组成部分。习近平总书记强调：“要加强对基础教育的支持力度，办好学前教育。”为实现“幼有所育”，规范和促进学前教育发展，满足 《中华人民共和国学前教育法》以“推进学前教育普及普惠安全优质发展”为主线，深刻、全面、具体阐述了落实政府发展学前教育责任的法律规定和实现路径，对于加快学前教育高质量发展、实现现代化 中国教育报-中国教育新闻网北京11月1日讯（记者 欧媚）记者今天从全国人大常委会法制工作委员会发言人记者会上获悉，十四届全国人大常委会第十二次会议将于11月4日至8日在北京举行，将对学前教育法 。本文链接：科研人员提出预测电池健康状态的新深度学习框架http://www.sushuapos.com/show-12-1632-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 嫦娥六号样品研究揭示月球年轻火山活动的源区特征与热驱动机制
下一篇： 研究实现大位阻醛的高效自由基合成