DiffBatt：一种用于电池退化预测与合成的扩散模型
机器学习
2024-11-11 v3 化学物理
摘要
电池退化仍是绿色技术和可持续能源解决方案中面临的关键挑战。尽管已有大量研究努力，但准确预测电池容量损失仍是一个艰巨的任务，由于其复杂性，受制于 aging 和循环行为。为此，我们引入了一种新型通用模型用于电池退化预测与合成，DiffBatt。通过将条件扩散模型和无条件扩散模型与 classifier-free guidance 以及 transformer 架构相结合，DiffBatt 实现了高表达性和可扩展性。DiffBatt 作为概率模型来捕捉 aging 行为的不确定性，同时作为生成模型来模拟电池退化。该模型在预测任务中表现卓越，同时也能生成合成退化曲线，促进通过数据增强来增强模型训练。在剩余可用寿命预测任务中，DiffBatt 在所有数据集上提供准确结果，平均 RMSE 为 196 个循环，凌驾于所有其他模型，显示出卓越的通用性。本工作代表了发展电池退化基础模型的重要一步。
引用
@article{arxiv.2410.23893,
title = {DiffBatt: A Diffusion Model for Battery Degradation Prediction and Synthesis},
author = {Hamidreza Eivazi and André Hebenbrock and Raphael Ginster and Steffen Blömeke and Stefan Wittek and Christoph Herrmann and Thomas S. Spengler and Thomas Turek and Andreas Rausch},
journal= {arXiv preprint arXiv:2410.23893},
year = {2024}
}
备注
15 pages, 6 figures