Dynaformer：一种用于老化感知电池放电预测的深度学习模型
机器学习
2022-06-07 v1 人工智能
摘要
电化学电池是我们社会中无处不在的装置。当它们被用于关键任务应用时，为了在高度可变的环境与运行条件下精确预测放电终点以支撑运行决策，具有至关重要的意义。尽管已有精确预测电池充放电阶段底层过程的模型，但老化及其对性能影响的建模仍知之甚少。这种理解的缺乏常导致模型不准确，或每当电池老化或其条件显著改变时便需耗时的校准流程。这构成了高效且鲁棒电池管理系统实际部署的主要障碍。在本文中，我们首次提出一种无需校准即可预测任意退化程度电池电压放电曲线的方法。具体而言，我们引入 Dynaformer，一种新颖的基于 Transformer 的深度学习架构，它能够从有限的电压/电流采样中同时推断老化状态，并高精度预测真实电池的完整电压放电曲线。我们的实验表明，所训练模型对不同复杂度的输入电流曲线均有效，且对大范围退化程度具有鲁棒性。除在仿真数据上评估该框架性能外，我们展示了极少量的微调即可使模型弥合仿真与一组电池所采集真实数据间的仿真到现实鸿沟。所提方法能够以受控且可预测的方式利用电池供电系统直至放电终点，从而显著延长运行周期并降低成本。
引用
@article{arxiv.2206.02555,
title = {Dynaformer: A Deep Learning Model for Ageing-aware Battery Discharge Prediction},
author = {Luca Biggio and Tommaso Bendinelli and Chetan Kulkarni and Olga Fink},
journal= {arXiv preprint arXiv:2206.02555},
year = {2022}
}