FlowBatt: flow matching per la previsione probabilistica del degrado delle batterie

Abstract degli autori

Il degrado delle batterie resta una sfida centrale per lo sviluppo e l’ampia diffusione delle tecnologie energetiche sostenibili. Prevedere con precisione il degrado è difficile, perché l’invecchiamento delle batterie deriva da interazioni complesse ed eterogenee tra comportamento nei cicli, condizioni operative e chimica delle celle. Gli approcci esistenti basati sul machine learning si concentrano in genere su previsioni deterministiche del fine vita o sulla modellazione delle curve di degrado in contesti con chimica fissa, mentre la modellazione probabilistica delle traiettorie dello stato di salute (SOH) per chimiche eterogenee è stata poco esplorata. Presentiamo FlowBatt, un framework generativo condizionale ispirato all’uso, che adatta il flow matching alla modellazione delle traiettorie di degrado delle batterie con un backbone Diffusion Transformer (DiT). FlowBatt modella le traiettorie SOH complete come processi di degrado probabilistici, condizionati dai dati sulla capacità nei primi cicli. Per rafforzare questo percorso di condizionamento, utilizziamo analisi di IA spiegabile per diagnosticare e migliorare l’encoder che trasforma le matrici di capacità dei primi cicli in vettori di condizionamento. Valutiamo FlowBatt su cinque configurazioni di benchmark pubbliche, che coprono diverse chimiche e condizioni di invecchiamento, confrontandolo con modelli di traiettoria supervisionati e basati sulla diffusione, oltre che con baseline consolidate per la previsione della vita utile residua (RUL), usando le stesse suddivisioni dei dati. FlowBatt ottiene le migliori prestazioni di previsione dell’SOH a livello di traiettoria su tutti e cinque i dataset, con errori inferiori al 2,5%, e offre prestazioni competitive nella previsione della RUL. Generando più traiettorie plausibili, FlowBatt fornisce intervalli di previsione empirici per la modellazione del degrado delle batterie. Questi risultati indicano che la modellazione delle traiettorie basata sul flow matching è un framework promettente per la previsione probabilistica dello stato di salute delle batterie.