近日，我校“大数据可视分析与人机交互”652科研团队成员、计算机科学与工程学院陈超教授在能源领域顶级期刊《Energy》（中科院一区，TOP期刊，IF=9.0）上发表了题为 “Lithium-ion battery SOH prediction based on multi-dimensional features and multi-model feature selector” 的学术论文。我校计算机科学与工程学院2023级硕士研究生李颢为论文第一作者，陈超教授为通讯作者，四川轻化工大学为独立第一单位。该研究工作得到了四川省科技厅科技创新人才基金、欧阳明高院士工作站青年人才发展基金的支持。
研究团队将跨学科融合大数据与人工智能的算法模型应用到新能源动力电池应用场景的研究中。论文基于分层次的多维特征提取方法（包括一阶整体特征、二阶差分曲线特征以及三阶充电过程中曲线变化的距离特征和形状特征，全面捕捉电池性能的动态变化）和多模型特征选择器（MMFS）的锂离子电池健康状态（SOH）预测模型，显著提高了SOH预测的准确性和可靠性。实验结果表明，基于MMFS的模型在均方根误差（RMSE）和判定系数（R²）等关键指标上表现卓越，尤其在XGBoost和CatBoost等复杂模型中展现出显著优势，最大RMSE为0.1373%。该研究为锂离子电池健康状态的实时监测与预测提供了新的解决思路和研究方法，具有广泛的应用前景。
论文链接：https://doi.org/10.1016/j.energy.2025.136844
【复审：石睿 叶晓彤 终审：李香】
上一篇：下一篇：
