近日，我院院长丁汉院士、电池所所长黄云辉教授、大数据所所长袁烨教授组成的创新交叉团队在英国皇家化学学会的旗舰期刊《Energy & Environmental Science》（能源材料领域国际顶级学术期刊，影响因子：39.714）上，发表了题为《Real-time personalized health status prediction of lithium-ion batteries using deep transfer learning（基于深度迁移学习的锂电池在线个性化健康评估）》原创性研究论文, 被选为封面文章刊出，展现了机械、材料和人工智能多学科交叉的最新研究成果。
在“双碳”国家战略大背景下，各行各业的动力系统电动化是必然趋势。作为“动力心脏”的电池健康评估是公认的高价值科研问题。电池健康评估技术结合电池材料修复和回收技术，可以优化能源产出率，有力推动“双碳”目标实现。近年来，以机器学习为代表的电池健康评估方法能够利用少量量测数据评估电池的循环寿命、健康状态以及在特定充放电循环的剩余有效寿命。然而，针对实际使用场景，现有电池健康评估技术存在以下两大共性问题：
（1） 不同用户使用电池习惯不同，放电策略的不一致性使得电池数据间的分布差异很大，通过利用其他放电策略的电池数据建立模型直接评估新电池会导致精度无法满足实际需求；（2） 受限于对历史数据的严重依赖，无法实时评估任意充放电循环的电池健康。
针对上面的问题，科研团队创新性地引入人工智能中迁移学习的思想，提出了可定制化的实时健康评估的方法，这种方法仅需使用30个历史循环数据，就能实现同一材料类型电池不同放电策略间的健康评估迁移，以及不同材料类型锂电池间的健康评估迁移，预测全部实时在线完成。相较于麻省理工学院和斯坦福大学联合在《Nature Energy》杂志上提出的电池健康评估方法，文章提出的方法不仅能为不同用户定制实时健康评估，而且使用的历史数据量减少了2/3。此外，文章公开了迄今为止全世界最大的锂电池多放电策略标准数据集，可为相关领域学者和工业界人士在本领域的研究提供数据标准。
研究团队成员介绍，论文提出的“实时个性化”迁移方法为电池健康管理提供了新的思路，相关成果可拓展到固态电池、准固态电池、锂硫电池、钠离子电池等健康评估中，在电池制造、测试、回收等领域，对指导产业界开发个性化电池健康管理系统具有重大的理论意义和现实意义。
华中科技大学无锡研究院以需求为导向，引进高校创新资源，致力于开展共性技术研发和成果转移转化，丁汉院士团队始终坚持四个面向开展科学研究，此次在世界科技前沿领域取得的突破性进展，为研究院推动共性技术研发和科技成果转移转化提供了科学支撑。相关链接： https://pubs.rsc.org/en/content/articlelanding/2022/ee/d2ee01676a