近期，本课题组与清华大学和英国阿尔斯特大学在国际知名能源化学期刊Journal of Energy Chemistry（JCR Q1，IF=13.599）合作发表了使用深度学习预测锂离子电池状态的综述文章，第一作者为2020级硕士研究生罗锴。文章回顾了目前广泛使用的用于锂离子电池状态估计的等效电路和电化学模型，介绍、比较和总结了常用的浅层学习模型，例如：线性回归、支持向量机、决策树等，以及深度学习方法，包括卷积神经网络、循环神经网络及其变体等在构建数据驱动模型以预测锂离子电池健康状态和荷电状态方面的最新进展，并进一步强调了深度学习的优势与局限性，以及针对当前高质量数据稀缺问题所能采取的措施。

文章下载链接：https://pan.baidu.com/s/1lvmeYLv8HcZcBBkMQjFoKg?pwd=06l2