近日，我校人工智能学院2022级计算机科学与技术专业本科生陈力维与指导指导老师姚行艳，在电池健康状态估计研究领域取得了重要进展，相关成果发表在能源领域权威期刊《Energy》。该研究为电池健康管理技术领域提供了创新理论及应用支撑，并展现了我校在能源低碳及人工智能领域的科研实力，为学科建设及“双碳”战略目标实现注入新动能。
针对现有电池SOH估算方法在多变工况下泛化性差且模型难以解释的痛点，该研究提出了一种融合可解释性特征与自适应模型的新框架。通过Shapelet技术将电池老化过程转化为直观的距离特征，并结合动态权重迁移学习模型，实现了对不同种类、不同工况电池健康状态的精准、快速、可信的评估。该成果对电动汽车、电网储能等系统的电池安全与可靠性具有重要意义。
《Energy》是由Elsevier出版的国际工程技术期刊，专注于能源工程和研究领域。该期刊旨在发表关于能源工程各方面的原创性、创新性高质量研究成果，在国际能源研究领域享有极高声誉，是中科院一区TOP期刊，JCR Q1分区，最新影响因子为9.4。
