在推动实现碳达峰和碳中和目标的大背景下，新能源汽车产业迎来了迅猛的发展。随之而来的是动力电池的广泛应用和技术创新，特别是锂离子电池以其卓越的性能成为了行业的焦点。在这些动力电池系统中，准确估计电池的剩余电量（即SOC）对于确保电动汽车的性能和驾驶安全至关重要。然而，SOC的准确估算并非易事，它面临着诸多挑战，包括电池化学性质的复杂多变、非线性特征，以及无法直接测量SOC等问题。为此，信息与智能工程学院吴涛老师深入探索动力电池SOC估算新方法，经过长期的理论研究和实验，提出了估算动力电池SOC的新方法。
吴涛老师通过解析传统的动力电池SOC估算方法，分析出SOC作为新能源汽车的核心部件，其估算的准确性直接关系到车辆的续航里程、能量利用效率以及驾驶安全。然而，由于动力电池系统的复杂性和非线性特性，SOC估算一直是一个具有挑战性的难题。传统的SOC估算方法主要分为无电池模型的测量方法、基于数据驱动模型的黑盒方法和基于电池模型的状态空间估算方法。这些方法虽然各有优缺点，但在实际应用中仍存在一定的局限性。
为了突破这一瓶颈，吴涛老师在深入研读大量相关论文的基础上，提出了一种全新的研究思路：将SOC估算看作是时间序列数据，并引入注意力机制来捕获多变量之间的相关性以及时间上的依赖性。吴老师认为，动力电池SOC的当前状态不仅受到当前时刻的输入（如温度、电压、电流等）的影响，还与历史时刻的状态信息密切相关。因此，通过引入注意力机制，可以更加准确地捕捉这些历史信息对当前SOC状态的影响，从而提高估算的准确性。
在具体实施过程中，吴涛老师尝试通过学习特征变量（温度、电压、电流）的序列表示来捕获多变量之间的相关性。同时，他们还通过学习SOC目标变量的序列块表示来捕获时间上的依赖性。这种方法不仅考虑了动力电池系统的物理特性，还充分利用了时间序列数据的优势，为SOC估算提供了新的解决思路。
目前，吴涛老师的研究工作正在进行中，并已取得了一些阶段性成果。预计在未来不久，相关研究成果将以论文的形式公开发表，为动力电池SOC估算领域的发展贡献新的智慧和力量。
