港科大广州黄加强/张统一ACS Energy Letters: 光纤传感结合可解释机器学习实现三分钟退役电池健康状态评估

本文介绍了一种结合光纤传感和可解释机器学习技术的新方法，用于快速评估退役电池的健康状态（SOH）。传统方法耗时且资源消耗大，而新方法能在3分钟内完成评估，平均绝对误差分别为1.17%和2.78%。研究通过分析265个退役电池的数据，建立了数据驱动框架，有效识别了多变量时间序列中的重要区域，并揭示了电池老化的热力学和动力学机制。此外，光纤传感器提供的温度信息提高了预测精度和模型的抗噪声能力。这项工作不仅展示了电池传感在退役电池诊断中的潜力，还为电池应用中的传感和机器学习协同作用提供了新的视角。