关注公众号（小红书同名），查看往期更多资讯
联系小编：Fightingforall23（注明来意）
详细内容，请点击本帖底部 阅读原文
往期群聊：【群聊邀请|一网打尽】电力方向新增4群+海量帮助+科研探讨+同行交流，最新的群聊邀请，等你来！广告勿入！
公众号从未参与任何广告中介、文章代写、付费代码、文章走后门代发等活动，一切打着公众号名义的金钱和利益交易均为诈骗，请谨慎！
【正文】
近日，休斯顿大学Xingpeng Li团队在国际顶级期刊IEEE Transactions on Smart Grid (TSG) 上发表了最新研究成果——《Hierarchical Deep Learning Model for Degradation Prediction per Look-Ahead Scheduled Battery Usage Profile》。为进一步促进科研进步与应用，作者们已开源论文相关代码、数据、训练好的机器学习模型及基于优化的能量调度模型，供广大研究者与工程师免费使用！
📌论文简介
在这篇论文中，提出了一种基于分层深度学习的电池退化量化模型（HDL-BDQ），专注于根据调度的电池储能系统 (BESS) 的每日运行情况量化其退化程度。HDL-BDQ模型由两个连续且紧密关联的深度神经网络组成，可以通过输入电池运行剖面，精准估算退化程度。
相比传统的固定退化率或线性退化模型，以及单阶段深度神经模型，该模型在预测性能上有了显著提升。
论文中，通过微电网系统与大规模电网系统的数据，对该模型进行了全面评估与验证，证明其在精准量化退化和提升电池运行寿命方面的卓越表现。
📂开源资源
- 源码地址
：HDL-BDQ GitHub资源页面： https://rpglab.github.io/resources/HDL-BDQ/
- 免费论文全文下载
：IEEE Xplore链接： https://ieeexplore.ieee.org/abstract/document/10706084?casa_token=Yw_x32obKY8AAAAA:9dfU8A2zjkzU0qrDTSzr2HwN4caIzbaZjpWGanAx8adMGSRUgU-N7B5F41A0eNpz5eUDRxLoDCQ
- 资源与说明页面
https://rpglab.github.io/resources/HDL-BDQ/：HDL-BDQ资源网站
🌟模型亮点
- 分层深度学习架构
：利用双阶段深度学习模型，融合调度剖面信息，量化电池的动态退化过程。 - 性能超越传统模型
：显著优于固定/线性退化模型和单阶段神经网络模型。 - 广泛适用性
：在微电网和大规模电网的测试场景下均表现优异。 - 优化能源调度
：基于退化预测的结果，设计能量调度方案，延长电池寿命，降低运行成本。
👏致谢
特别感谢研究团队的核心成员Zhao Cunzhi博士，目前任职于美国McNeese State University 助理教授。他在模型设计与论文撰写中做出了重要贡献。
🌐如何使用
欢迎科研同仁访问我们的资源平台，获取代码与模型：HDL-BDQ资源页面。我们期待您的反馈与合作！
让我们共同推动储能系统的智能化与可持续发展！
注：内容网页公开，仅学术分享，无商用，如有侵权，可删除。
扫码关注！
一个电气领域前沿动态与科研资源平台
论文分享 | 期刊投稿
科研汇报 | 学术招聘
点亮在看，你最好看！
1.【MESPO|2024招生】MESPO团队2024年博士及RA招生现状（更多请关注公众号）
2.【SCI期刊|IF 9.4】12月15！JES 期刊"混合储能在多能源系统运行规划中的作用探究"征稿中(无版面费)+专刊群聊邀请
3.【SCI征稿|影响因子6.4】2025年7月31！MDPI 六大期刊“采用新能源及其他设备实现智能电网灵活高效运行”专题征稿！
4.【SCI征稿|Frontiers】11月23！专题“韧性电网：信息-物理系统安全、模拟和自适应防御策略” 征稿进行中！+专刊群聊
5.【团队介绍|芬兰MESPO】芬兰阿尔托大学李正茂教授“AI/优化+综合能源系统（冷热电氢水等）规划和运行”团队介绍+互助群聊邀请
