准确评估锂离子电池（LiB）安全状况可以减少意外电池故障，促进电池部署并促进低碳经济。尽管人工智能最近取得了进展，但由于复杂的故障机制以及缺乏具有大规模数据集的真实测试框架，异常检测方法并未针对实际电池设置进行定制或验证。

在这里，清华大学欧阳明高院士，北京大学Guannan He开发了一个用于电动汽车 (EV) LiB 异常检测的现实深度学习框架。它具有专为动态系统量身定制的动态自动编码器，并根据社会和金融因素进行配置。

文章要点

1）研究人员在已发布的数据集上测试了我们的检测算法，该数据集包含 347 辆电动汽车的 690,000 多个 LiB 充电片段。

2）该模型克服了最先进的故障检测模型（包括深度学习模型）的局限性。此外，它还减少了预期的电动汽车电池直接故障和检查成本。

研究工作强调了深度学习在提高 LIB 安全性方面的潜力以及社会和金融信息在设计深度学习模型中的重要性。

参考电竞投注官网

Zhang, J., Wang, Y., Jiang, B. et al. Realistic fault detection of li-ion battery via dynamical deep learning. Nat Commun 14, 5940 (2023).

https://doi.org/10.1038/s41467-023-41226-5