近期，beat365官方网站电力安全评价与智能装备所教师乌江副教授撰写的题为《Data-driven state of health estimation for lithium-ion battery based on voltage variation curves》（DOI：10.1016/j.est.2023.109191）在《Journal of Energy Storage》（中国科学院分区：2区）上在线发表。

该文探索了基于数据驱动的锂电池健康状态（State of Health，SOH）估算方法。目前广泛使用的数据驱动锂电池SOH估算方法中健康特征获取方法复杂，论文从NASA、CALCE、Oxford和UL-PUR四个数据集中选取了四种不同阳极类型的锂电池，提取易于获得的电压变化曲线面积作为健康特征，优化了计算资源并降低了过度拟合的风险。分别使用高斯过程回归、长短期记忆神经网络和反向传播神经网络进行SOH估算，在相同的数据集和训练模式下，与其它采用多组健康特征甚至更为复杂算法的估算方法相比，实现了计算能力限制下的高精度SOH估算，且算法对不同阳极类型锂电池有较强的适用性。

人物链接：

乌江个人简介

乌江，男，1986年，副教授，硕士生导师。2014年获西安交通大学电气工程专业博士学位，2014至2019年于西安交通大学从事博士后研究工作，2019年来我校beat365官方网站电气工程系工作。近年来，主持国家自然科学基金青年项目、中国博士后科学基金面上项目、陕西省产学研协同计划，以及参与陕西省自然科学基础研究重点项目等多项横纵科研项目，以第一/通讯作者在Journal of Energy Storage、AIP Advances、IEEE T. DEI、高电压技术等国内外重要期刊发表多篇学术论文，其中SCI收录6篇，EI收录10余篇。主要研究方向：储能锂电池状态评估技术，以及极端环境下卫星介质充放电特性研究。