大连化物所：用于电池荷电状态跨域预测的新型深度学习框架

中国科学院大连化学物理研究所的研究团队与西安交通大学合作，开发了一种新型的基于无监督域自适应的电池荷电状态（SOC）跨域预测框架。该框架解决了传统方法对域间差异和目标数据标签的依赖问题，为电池实时SOC预估提供了新思路。通过对抗域自适应技术，研究团队构建了SOC估计器，并设计了带有重构模块和最大均值差异约束的对抗网络，以提取域不变特征，减小域间分布差异。实验结果显示，在不同工作条件下，该框架的跨域误差显著降低，表明其有望实现电池SOC的精准跨域评估。相关研究成果发表在《IEEE交通电气化汇刊》上，得到了国家自然科学基金和中国科学院战略性先导科技专项的支持。