清華新聞網(wǎng)3月21日電 鋰離子電池準確健康狀態(tài)（SOH,，state of health）估計對于電池系統(tǒng)的高效、健康和安全運行至關(guān)重要,。車路云集成系統(tǒng)被認為有潛力將自動駕駛推向高級階段,，而在這一框架下，云電池管理系統(tǒng)（BMS,，battery management system）成為了研究熱點之一,。從高度隨機和噪聲的數(shù)據(jù)片段中提取有效的老化信息、開發(fā)SOH估計算法并有效處理基于云的電池管理系統(tǒng)的大規(guī)模計算需求,，是這一研究面臨的主要挑戰(zhàn),。
為此，清華大學深圳國際研究生院夏必忠副研究員,、張璇副教授團隊提出了一種用于SOH估計的精確,、魯棒和可泛化的量子卷積神經(jīng)網(wǎng)絡(luò)（QCNN，quantum convolutional neural network）模型,，該模型僅使用少量放電數(shù)據(jù),，且可與噪聲中尺度量子計算云平臺兼容。本工作證明了量子編碼對于從有限放電數(shù)據(jù)中提取的健康因子（HIs,，health indicators）自動特征融合的有效性,，強調(diào)了模型在處理隨機和噪聲數(shù)據(jù)時提升SOH估計準確性、魯棒性和泛化性的潛力,，是一種在SOH估計中利用量子計算能力的新范式,。
該工作的整體流程如圖1所示。首先,，團隊利用來自4個數(shù)據(jù)集的數(shù)據(jù),，包括272個電池，涵蓋5種化學成分,、4種額定參數(shù)和73種使用條件,，基于增量容量曲線峰值，為每個電池設(shè)計了5個小至0.3V的電壓窗口，用于生成隨機SOH估計場景,。團隊提取了3個有效的HIs序列,，使用量子旋轉(zhuǎn)門編碼在不同維度對三種HIs進行表示，實現(xiàn)自動特征融合,。隨后,，團隊設(shè)計了一個基于變分量子電路的QCNN模型，無需激活函數(shù),，可有效減小計算復(fù)雜度,，且具有很強的非線性表達能力。
圖1.使用QCNN估計SOH的整體流程
如圖2所示,，隨著電壓窗口的增加,，數(shù)據(jù)集的模型性能有所改善。團隊以增量容量曲線峰值為中心,，考慮電壓平臺區(qū)為每種電池選擇合適的電壓窗口,。
圖2.不同電壓窗口的模型誤差分布。圖（a）,、（b）,、（c）、（d）,、（e）表示五種電池類型的誤差分布箱形圖,。每個圖由四個子圖組成，每個子圖對應(yīng)一項評估指標：RMSE,、R2,、MAE和 MAPE。每個圖中的五種顏色表示對應(yīng)的五個電壓窗口
如圖3所示,，QCNN模型在三個數(shù)據(jù)集上的表現(xiàn)優(yōu)于其他三種模型,。QCNN在CALCE數(shù)據(jù)集上的表現(xiàn)也與表現(xiàn)最佳的CNN和LSTM模型相當。與MLP模型（即沒有量子卷積層的QCNN）相比,，QCNN顯示出顯著改善,，其RMSE至少改善了28%，R2始終超過96%,，證明了量子卷積層在數(shù)據(jù)挖掘中的有效性,。此外，與具有相同數(shù)量卷積層的類似CNN相比,，MAE減少了18%,。
圖3.QCNN與其他模型的誤差分布：圖（a）、（b）,、（c）,、（d）表示四個電池數(shù)據(jù)集的誤差分布概率密度圖,。每個圖由四個子圖組成，代表四項評估指標：RMSE,、R2,、MAE和MAPE。每個圖中的四種顏色表示四種SOH估計模型：MLP,、CNN,、LSTM和QCNN
該工作展示了一種用于估計鋰離子電池SOH的量子卷積神經(jīng)網(wǎng)絡(luò)：使用小于0.3V的部分放電數(shù)據(jù)片段，基于量子旋轉(zhuǎn)門實現(xiàn)特征提取和特征融合,，并基于量子卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)SOH估計,，具有良好的估計準確性、魯棒性和泛化性,。該工作對于云BMS系統(tǒng)利用量子計算能力進行SOH估計具有重要意義,。
相關(guān)研究成果以“基于量子卷積神經(jīng)網(wǎng)絡(luò)自動特征融合的鋰離子電池隨機健康狀態(tài)估計”（Stochastic state of health estimation for lithium-ion batteries with automated feature fusion using quantum convolutional neural network）為題,，于3月10日發(fā)表于《能源化學》（Journal of Energy Chemistry）,。
夏必忠、張璇為論文共同通訊作者,，清華大學深圳國際研究生院2022級碩士生梁宸和2022級博士生陶晟宇為論文共同第一作者,。論文其他合作者包括清華大學深圳國際研究生院2023級碩士生黃星皓和王業(yè)震。研究得到國家自然科學基金科研經(jīng)費的支持,。
論文鏈接：
https://doi.org/10.1016/j.jechem.2025.02.030
供稿：深圳國際研究生院
編輯：李華山
審核：郭玲
