Battery state of health estimation under fast charging via deep transfer learning

电池(电) 学习迁移 国家(计算机科学) 健康状况 计算机科学 人工智能 物理 热力学 算法 功率(物理)
作者
Jingyuan Zhao,Di Li,Yuqi Li,Dapai Shi,Jinrui Nan,Andrew F. Burke
出处
期刊:iScience [Cell Press]
卷期号:28 (5): 112235-112235 被引量:65
标识
DOI:10.1016/j.isci.2025.112235
摘要

Accurate state of health (SOH) estimation is essential for effective lithium-ion battery management, particularly under fast-charging conditions with a constrained voltage window. This study proposes a hybrid deep neural network (DNN) learning model to improve SOH prediction. With approximately 22,000 parameters, the model effectively estimates battery capacity by combining local feature extraction (convolutional neural networks [CNNs]) and global dependency analysis (self-attention). The model was validated on 222 lithium iron phosphate (LFP) batteries, encompassing 146,074 cycles, with limited data availability in a state of charge (SOC) range of 80%–97%. Trained on fast-charging protocols (3.6C–8C charge, 4C discharge), it demonstrates high predictive accuracy, achieving a mean absolute percentage error (MAPE) of 3.89 mAh, a root-mean-square error (RMSE) of 4.79 mAh, and a coefficient of determination (R 2 ) of 0.97. By integrating local and global analysis, this approach significantly enhances battery aging detection under fast-charging conditions, demonstrating strong potential for battery health management systems.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
粥粥完成签到,获得积分10
1秒前
王小乙发布了新的文献求助10
2秒前
完美世界的应助被段采萱采纳,获得10
2秒前
2秒前
王淼关注了科研通微信公众号
3秒前
3秒前
ZHEN发布了新的文献求助10
3秒前
4秒前
FashionBoy的应助被香蕉寒珊采纳,获得10
4秒前
机智弼完成签到,获得积分10
5秒前
6秒前
科研通AI65的应助被牧百川采纳,获得10
6秒前
7秒前
B4发布了新的文献求助30
7秒前
田様的应助被简单的飞凤采纳,获得10
8秒前
8秒前
asdasdasd发布了新的文献求助10
8秒前
8秒前
Seraphnia完成签到,获得积分10
9秒前
jackZ完成签到,获得积分10
10秒前
10秒前
陈辉完成签到,获得积分10
11秒前
王耀田发布了新的文献求助10
11秒前
Akim的应助被仁爱的沁采纳,获得10
11秒前
周漠完成签到 ,获得积分10
12秒前
Lawer发布了新的文献求助10
13秒前
3417294224发布了新的文献求助10
14秒前
大富婆发布了新的文献求助10
14秒前
77完成签到,获得积分10
14秒前
负责金毛完成签到,获得积分10
16秒前
CodeCraft的应助被asdasdasd采纳,获得10
16秒前
Maestro_S的应助被SanXing三醒采纳,获得10
17秒前
潮哦你发布了新的文献求助10
17秒前
大模型的应助被moriaty采纳,获得20
17秒前
17秒前
18秒前
今后的应助被王小乙采纳,获得10
19秒前
赘婿的应助被王耀田采纳,获得10
20秒前
21秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
Improving the wear resistance of vehicle gear oil by oil soluble LaF3 nanoparticles and typical additives of gear oil 500
Boundaries and Bodhisattvas 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8183381
求助须知:如何正确求助?哪些是违规求助? 9572627
关于积分的说明 21826833
捐赠科研通 7780405
什么是DOI,文献DOI怎么找? 3433993
关于科研通互助平台的介绍 2558177
邀请新用户注册赠送积分活动 2480309