脉冲时空注意网络

全寿命EIS精准SOH估计

利用生物激励的脉冲神经网络直接处理全寿命周期电化学阻抗谱，以低功耗方式精准建模电池退化关系。

Huan, Wang · 李彦夫 · 张英

Renewable and Sustainable Energy Reviews 2023

技术优势

抗干扰

直接处理EIS，避免外部电流电压波动对估计结果的影响。

低功耗

基于事件驱动的脉冲神经网络，计算能耗显著低于传统ANN。

高效特征提取

脉冲时空注意力模块自适应增强与退化相关的电化学特征，丢弃无效信息。

应用场景

• 电池健康管理：提供低功耗、抗干扰的SOH估计，替代依赖外部信号的ANN方案。
• 储能系统安全监测：利用全寿命EIS精准追踪电池退化，为安全预警提供更可靠的SOH数据。
• 神经形态计算：将SNN成功应用于电池SOH估计，展示事件驱动网络在时序数据上的优势。
• 智能状态估计：通过深度脉冲特征编码与注意力机制，实现更智能的电池状态估计。