9月27日訊:26日,清華大學(xué)歐陽(yáng)明高院士團(tuán)隊(duì)、北大科研團(tuán)隊(duì)以及昇科能源的最新研究成果《動(dòng)態(tài)深度學(xué)習(xí)實(shí)現(xiàn)鋰離子電池異常檢測(cè)》(《Realistic Battery Fault Detection with Dynamical Deep Learning》)正式在Nature子刊《Nature Communications》刊出,它面向?qū)嶋H數(shù)據(jù)的鋰離子電池安全預(yù)警問(wèn)題,搭建了基于動(dòng)態(tài)變分自編碼器的電池異常檢測(cè)深度學(xué)習(xí)框架(dynamical autoencoder for anomaly detection, DyAD),并通過(guò)實(shí)際社會(huì)經(jīng)濟(jì)影響因子分析優(yōu)化深度學(xué)習(xí)模型,實(shí)現(xiàn)高檢出率、低誤報(bào)率的電池異常檢測(cè),同時(shí)發(fā)布了包含347輛電動(dòng)汽車(chē)的69萬(wàn)條充電片段的大規(guī)模實(shí)車(chē)電池?cái)?shù)據(jù)集。
原標(biāo)題:中國(guó)科研團(tuán)隊(duì)關(guān)于“鋰離子電池安全預(yù)警”問(wèn)題的研究成果在Nature子刊刊出