南方科技大学李江宇教授团队JMI研究论文 | 一种实现高精度、低数据需求的锂离子电池寿命预测的新型混合神经网络

本文基于背景中锂离子电池寿命退化影响设备安全性的问题，针对现有预测方法受噪声干扰、依赖大量数据且泛化能力弱的不足，研究目的是提出一种高精度、低数据需求的剩余使用寿命（RUL）预测方法。南方科技大学与中国地质大学联合团队创新性地构建了混合深度学习模型，该模型结合CEEMDAN去噪技术预处理原始电池数据，并融合Transformer模块捕捉全局长期依赖、CNN模块提取局部短期波动特征、双向GRU模块增强时序建模能力。通过从电压、电流曲线中提取与容量高度相关的健康指标（HIs）作为输入，模型在仅使用40%早期数据的情况下，在NASA和实验室NCM电池数据集上验证均实现了平均绝对百分比误差（MAPE）低于3.5%的高精度预测，且展现了跨电池类型的强泛化能力。结论表明，该混合网络显著提升了预测的鲁棒性和数据效率，降低了实际部署门槛，为电池管理系统智能化和绿色能源可持续发展提供了可靠方案。