西安交通大学未来技术学院储能科学与工程方向硕士研究生郑琨在宋政湘、孟锦豪教师的指导下，提出了一种根据残差卷积与变压器网络（R-TNet）的办法，运用随机段中稀少维度的特征——开始和完毕电压、充电温度、充电电流倍率和安培小时吞吐量完成精确的锂电池健康状况（SOH）估量，一起规划了一种根据ElasticNet的特征搬迁战略来运用恣意充电长度的片段。近来该研究成果宣布在《运用动力》上。

  锂离子电池在实践运用的过程中，各种老化机制一起发生并彼此耦合导致电池在不同作业条件下的退化途径杂乱。一起因为用户随机的充电行为，充电片段的开始和完毕电压也是随机的，因而，精确捕捉实践运用条件下锂离子电池的健康状况仍然是一项具有挑战性的使命。

  该作业在66个具有不一样作业条件的镍钴铝酸锂（NCA）进行了验证。关于200mV的随机电压段，该办法SOH估量的均方根差错（RMSE）仅为0.57%，与最佳比较办法比较，RMSE提高了17.2%。一起仅运用50mV电压段可以取得RMSE小于1.7%的SOH估量成果，证明了特征搬迁战略的有效性。所提出办法也在55个镍钴锰酸锂（NCM）电池进步行了验证，证明了所提出办法在不同化学成分电池的有效性。该作业触及电气工程和人工智能等学科，首要处理了当电池由电动汽车车主个人习气或储能电站受电网分配随机充放电时难以完成灵敏SOH估量的问题，为完成不同工况的恣意充电片段的锂电池SOH估量供给了新的处理方案，加快了下一代储能体系健康办理云渠道的开发。