跟着电动汽车和储能系统商场需求捏续扩大，各类不同结构的锂电板组束缚参预运用场景。但是，现存电板健康会诊用具经常需要针对每种新配置再行收集数据并检修模子，导致恶果低下。
{jz:field.toptypename/}韩国蔚山科学时期院(UNIST)动力与化学工程系的金东赫培育和崔允锡培育团队近期在《化学工程杂志》上发表测度，建议一种基于Transformer架构的锂电板健康现象估算新身手。该身手无需针对不同电板组配置进行特等检修，即可竣事高精度会诊。
电板健康现象响应现时容量联系于出厂运转容量的比例，是判断电板寿命、故障风险乃至爆炸危机的中枢认识。测度团队树立的AI模子仅通过电板运行进程中的电压、电流、温度等旧例数据，即可自动完成健康现象评估，无需复杂的手工预备。
该模子从充放电轮回中提真金不怕火的62种数据模式中，自主识别出五种关节健康认识。这些认识既对电板剩余寿命高度明锐，又不受电板延续花样(串联或并联)影响。因此，该系统不仅能会诊单节电板，kaiyun sports也能准确评估由多节电板构成的模组现象。
现实为止潜入，仅基于单节电板数据完成检修的AI模子，冒失可靠展望由七节电板并联构成模组的剩余寿命。传统模子因配置互异产生的展望流弊(均方根流弊)为6.31×10⁻²，而新身手的流弊降至1.90×10⁻²，约为原有水平的三分之一。
测度东说念主员阐明，传统AI会诊用具难以适配不同电板配置，主要由于内阻、电压不均等身分会激勉数据模式的隐微偏移。为处置这一问题，团队引入了Transformer提防力机制——一种雷同运用于ChatGPT等模子的前沿AI架构。该机制使模子冒失聚焦于最具表征真谛的数据特征，灵验滤除与电板配置干系的侵扰信息。
金东赫培育示意：“咱们遐想AI时，刻意让它自主识别不受延续花样影响的的确健康信号。这么一来，单个通用模子就能沉着会诊不同结构的电板系统。这项时期对电动汽车电板顾问、大限制储能、退役电板评估及回收等范围具有运用后劲。”（着手：维度网）