Physically consistent battery charging trajectory generation under mixed protocols using flow-matched diffusion transformers

Li, Xiaotian

doi:10.1016/j.eswa.2026.133813

Physically consistent battery charging trajectory generation under mixed protocols using flow-matched diffusion transformers

2026-08-01

0

PRE

AI

DOI：10.1016/j.eswa.2026.133813

原文链接

原文求助

摘要

En 中文

准确的全生命周期管理与最优充电控制在电池管理系统需要覆盖多样化充电协议的大规模时间序列数据集。然而，完全通过昂贵且耗时的物理测试实验实现下一代电池智能是不可行的。本研究提出了一种无模拟的条件下生成模型框架，用于在混合充电协议下合成锂离子电池充电时间序列。基于充电协议和电池老化状态，所提出的方法将流匹配与扩散转换器架构相结合，该架构被表述为基于常微分方程（ODE）的生成过程。它引入了一种双流解耦自注意力机制，以分别捕捉局部瞬态响应和长范围退化依赖关系。通过持续将健康状态（SOH）作为条件提示以捕捉恒定电压转换行为中的退化引起的变异性，该模型能够生成协议一致的轨迹。该模型在一个包含29种混合充电协议的70个电池数据集上得到验证，电流、电压和容量的平均均方根误差分别为0.184 C、0.010 V和0.002 Ah，即使在严重退化的电池（SOH < 85%）上也保持了稳定的生成性能。此外，生成充电曲线的增量容量峰值分析突出了合成数据强大的物理一致性。总体而言，该框架提供了一种可扩展的电池数据生成解决方案，旨在克服物理实验中固有的数据获取瓶颈，从而加速下一代电池管理系统的实施。

Keyword:

Lithium-ion batteries

Mixed charging protocols

Time-series data generation

State of health

Flow matching

Physically consistent battery charging trajectory generation under mixed protocols using flow-matched diffusion transformers

摘要

期刊

机构

引用论文