近日，中國科學院大連化學物理研究所研究員陳忠偉、副研究員毛治宇團隊，聯合西安交通大學教授馮江濤，在電池健康管理領域取得新進展。合作團隊開發了一種新型的兩階段聯邦遷移學習框架，有效解決了快充電池健康狀態（SOH）預測中的數據不足和個性化建模難題，為快充電池SOH預測提供了新思路。相關成果發表在《電氣電子工程師學會交通電氣化學報》。
健康狀態的準確預測對于電動汽車電池管理至關重要。然而，在實際應用中，基于快充片段準確估計電池SOH面臨兩大挑戰：一是由于隱私保護要求，單個電池的訓練數據有限；二是不同電池的充放電行為不同，需要建立個性化的預測模型。
本工作中，合作團隊提出了一種兩階段聯邦遷移學習框架。在第一階段采用聯邦遷移學習框架，使多個分布式電池通過共享模型參數，協作訓練全局模型，既可以學習通用知識又保護了數據隱私。在第二階段，利用目標電池的少量本地數據對該全局模型進行微調，建立捕獲個體電池特征的個性化模型。聯邦遷移學習框架構建在輕量級卷積神經網絡上，并通過有效的通道注意機制提升了其性能。實驗結果表明，該框架在公共快充電池數據集上的預測性能優于傳統方法。
聯邦遷移學習框架作為團隊開發的第二代電池數字大腦PBSRD Digit核心模型，為電池智能化管理提供了有效解決方案。此外，團隊還基于該框架為雙登集團開發了儲能領域垂直智能客服系統，助力儲能行業的智能化發展。