跨域SOH估计自动编码器

少标签高精度

用单电芯老化数据训练的自监督域适应方法，在不用回归模型的情况下，靠特征相似度实现跨化学体系、倍率和温度的SOH估计。

Dou, Bowen · 侯舒娟 · 李海 · Yanpeng, Zhao · Yue, Fan · Sun, Lei · 陈浩森

Energy 2025

参数信息

SOH估计RMSE（不同倍率和温度）

1.64 %

SOH估计RMSE（不同化学体系）

2.03 %

技术优势

不用做回归

通过源域和目标域隐藏健康特征的相似性比较来估计SOH，避免了传统回归模型的训练复杂度。

单电芯就够

模型训练仅需来自单个电芯的老化数据，大幅减少标注数据采集的经济与时间成本。

跨域不用重训

对抗学习对齐源域和目标域特征，提取域不变特征，使模型在不同化学体系、倍率和温度下直接适用，无需针对每个域重新训练。

应用场景

• 电池健康管理：用单电芯老化模型直接估SOH，免去逐批标注数据。
• 电池管理系统：无需额外训练，跨倍率温度估计电池健康状态。
• 储能系统运维：少量未标注数据即可适配新储能电芯，降低运维成本。
• 设备预测性维护：相似度比较代替回归，在线预测SOH指导维护。