健康状态是评价电池劣化程度的一种关键状态。然而，它不能直接测量，而需要估计。虽然准确的健康状态估计已经取得了显著进展，但产生目标电池标签的耗时和耗费资源的降解实验阻碍了健康状态估计方法的发展。

近日，北京理工大学Jinpeng Tian，Rui Xiong设计了一个深度学习框架，使得在没有目标电池标签的情况下能够估计电池的健康状态。

文章要点

1）该框架集成了一组具有领域自适应功能的深度神经网络，以产生准确的估计。我们使用了来自5个不同制造商的65个商业电池来产生71,588个样本用于交叉验证。

2）验证结果表明，该框架可以保证89.4%的样本绝对误差小于3%(98.9%的样本绝对误差小于5%)，在没有目标标签的情况下，最大绝对误差小于8.87%。

这项工作强调了深度学习在排除退化实验中的力量，并强调了仅使用先前的实验数据即可快速开发新一代电池的电池管理算法的前景。

参考文献

Lu, J., Xiong, R., Tian, J. et al. Deep learning to estimate lithium-ion battery state of health without additional degradation experiments. Nat Commun 14, 2760 (2023).

https://doi.org/10.1038/s41467-023-38458-w