锂电池寿命预测精度提升 20%！上海交大团队发布半监督学习方法 PBCT，提取无标签数据中的隐藏信息

原文约4100字，阅读约需10分钟。发表于：。

锂电池具有能量密度高、充放电速度快、使用寿命长等优点，当前已被广泛应用于水力、火力、风力和太阳能电站等储能电源系统，以及电动工具、电动汽车、军事装备、航空航天等多个领域，在现代社会中起着至关重要的作用。然而，在锂电池的大规模使用中，其潜在危险也逐渐显现——耐过充、放电性能差，遇到过充或短路的情况极易引发火灾甚至是爆炸。近年来，由于不规范充电，或电池老化所引起的电动自行车、新能源汽车自燃频发。为了保证电池系统的安全可持续运行，人们需要对锂电池寿命进行准确预测，以便有效管理其健康状态。

上海交通大学的研究团队提出了一种名为部分贝叶斯协同训练（PBCT）的半监督学习技术，用于锂电池寿命预测。该方法利用无标签数据提取隐藏信息，提高了预测精确度。PBCT在电池寿命预测中取得了高达20%的提升，并揭示了关键因素。研究成果发表在国际权威期刊Joule上。