陆以清

基于双向 Buck-Boost 的 Cell-to-Buffer 电池均衡技术 (2020.12-2021.08)

• 设计并实现了一种新型电池均衡系统，优化了电池组的单体电池之间的均衡路径。
• 应用恒定导通时间控制方法，实现恒定电流的电池均衡，提高均衡速度。
• 简化了结构和控制方法，实现均衡单元的高效率和单体电池之间能量的快速转移。

基于多绕组变压器和 LLC 的 Pack-to-Cell 电池均衡技术 (2022.03-2022.11)

• 多绕组变压器实现对电池组中所有单体电池的同步均衡。
• 采用 LLC 作为均衡变换器提高电池组能量传递的效率，实现开环控制同步自动均衡。

基于电池模型的恢复效应预测和均衡时间优化 (2021.10-2022.05)

• 通过离线测试和等效电路模型，建立电池恢复效应的预测模型。
• 使用递归最小二乘法更新和修正模型参数，实现对实际测试电池的参数实时更新和 准确建模，降低算法的运算复杂度以适用在线场景。
• 预测电池需要过均衡时间和程度，以抵消电池恢复效应，实现更一致的均衡结果。

基于片段数据和趋势识别的电池剩余使用寿命预测 (2022.12-2023.08)

• 提出一种基于历史容量变化片段数据的电池剩余使用寿命预测方法。
• 利用经验模型和粒子滤波算法进行趋势识别和模型更新，实现了使用较少的历史片段对电池失效阈值的提前预测并估计剩余使用寿命。
• 研究成果已发表在 IEEE Transactions on Industrial Informatics 期刊。

基于充放电特征和编码器-解码器架构的电池剩余使用寿命预测 (2023.10-2024.06)

• 引入电压、电流等多度充放电特征作为电池健康状态的指标。
• 利用时间卷积网络构建编码器-解码器架构，非监督的方式自动提取关键特征
• 初步根据多维特征对电池未来容量走向的预测和剩余使用寿命的估计，后续进一步使用 Transformer 改进编码器-解码器架构，实现可靠的预测结果。

基于电池产气数据的快速衰退提前预警 (2024.01-2024.09)

• 探讨锂离子电池线性和非线性衰退模式下充放电产生的气体特征与衰退阶段之间的关联性和差异性，对电池的快速衰退阶段进行电化学机理的解释。
• 使用非监督学习方法对气体特征进行降维和衰退阶段的分类，实现通过单一周期的气体数据对电池衰退轨迹拐点的预测，预测位置领先于曲线数学意义上的拐点。
• 研究成果已经投稿 Joule

综合气体特征和 Transformer 模型的电池剩余使用寿命预测 (2024.09-至今)

• 综合电池的充放电特征、周期容量特征和跨周期气体特征等多元异构数据。
• 引入多路 Transformer 模型分别处理不同时间尺度的特征并进行融合。
• 实验设计和平台搭建完成，进一步的方法验证正在进行。