近日，中国科学院年夜连化学物理研究所能源催化转化天下重点试验室动力电池与体系研究部（DNL29）陈忠伟院士、毛治宇副研究员团队，结合西安交通年夜学冯江涛教授，于电池康健治理领域取患上新进展。相助团队开发了一种新型的两阶段联邦迁徙进修框架，有用解决了快充电池康健状况（SOH）推测中的数据不足及个性化建模难题，为快充电池SOH推测提供了新思绪。

康健状况的正确推测对于在电动汽车电池治理至关主要。然而，于现实运用中，基在快充片断正确预计电池SOH面对两年夜挑战：一是因为隐私掩护要求，单个电池的练习数占有限；二是差异电池的充放电举动差异，需要建设个性化的推测模子。

于本事情中，相助团队提出了一种两阶段联邦迁徙进修框架。于第一阶段接纳联邦迁徙进修框架，使多个漫衍式电池经由历程同享模子参数，协作练习全局模u8国际平台-子，既可以进修通用知识又掩护了数据隐私；于第二阶段，使用目标电池的少少量当地数据对于该全局模子举行微调，建设捕捉个体电池特性的个性化模子。联邦迁徙进修框架构建于轻量级卷积神经收集上，并经由历程有用的通道留意机制晋升了其性能。试验结果注解，该框架于公共快充电池数据集上的推测性能优在传统要领。

联邦迁徙进修框架作为团队开发的第二代电池数字年夜脑PBSRD Digit焦点模子，为电池智能化治理提供了有用解决方案。此外，团队另有基在该框架为双登团体开发了储能领域垂直智能客服体系，助力储能行业的智能化生长。

最近几年来，陈忠伟团队致力在推感人工智能与能源电催化技术的融会，构建了人工智能与电化学相联合的研究系统。团队于“高性能质料筛选与设计”（Joule，2021；Adv. Mater.，2022；Chem. Soc. Rev.，2020）、“高通量智能研发平台”及“智能体系集成治理”（IEEE Trans. Transp. Electrification，2024；IEEE Trans. Transp. Electrification，2024；Appl. Energy，2024；Batteries，2024；World Electr. Veh. J.，2022；J. Electrochem. Soc.，2019）等领域取患上系列进展，揭示了人工智能驱动电化学科学研究立异及人工智能推动新能源工程运用立异于现实运用中的潜力。

相干研究结果以“A federated transfer learning framework for lithium-ion battery state of health estimation based on fast-charging segments”为题，在近日发表于《电气电子工程师学会交通电气化学报》（IEEE Transactions on Transportation Electrification）上。该事情的第一作者是中国科学院年夜连化学物理研究所DNL29博士后刘云鹏，该事情获得国家天然科学基金、中国科学院B类先导专项“能源电催化的动态解析与智能设计”、中心高校基本科研营业费专项资金等项目的资助。（文/图 刘云鹏）

文章链接：https://ieeexplore.ieee.org/document/11105532