报告题目：储能电池系统预测性维护研究

报告所属学科：管理科学与工程

报告人：陈震（上海交通大学）

报告时间：2026年5月15日 14:30-16:30

报告地点：经管学院713室

报告摘要：

随着锂电储能装机量的快速攀升，如何利用BMS监测数据，实现电池储能系统的精准运维，以成为确保其安全可靠运行的核心需求。本研究考虑历史数据稀疏、工况多变等特点，提出融合物理知识的储能电池健康状态预测与维护决策方法。首先，构建了一种基于半物理信息神经随机微分方程的广义退化模型，设计了基于变分推断的生成式训练流程，在仅需少量历史数据的条件下能够联合校准模型参数；在此基础上，以Timer为骨干构建了时序大模型框架，融合容量轨迹与物理特征，采用LoRA高效微调，并通过知识蒸馏压缩为轻量专家，提出跨容量尺度、跨协议与跨温度的零/少样本电池健康预测方法。其次，针对传统固定阈值维护动作单一、安全风险与经济收益耦合的问题，提出储能电池系统重组与选择性更换协同的两阶段维护框架，并设计面向大规模混合整数非线性优化问题的智能求解策略，实现了现有资源优化利用与关键电池模块的适时更新。该研究有助于推动电池健康管理方法的通用化、可复制化与工程落地，为储能电站电池全生命周期维护与收益提升提供决策支持。

报告人简介：

陈震，上海交通大学工业工程与管理系副教授、博导。主要从事装备可靠性设计与评估、复杂系统智能运维与决策研究。主持国家自然科学基金面上/青年、上海市自然科学基金、民用航天预研课题等项目10余项，并参研国家重点研发计划、国家科技重大专项等项目。发表SCI论文60余篇，出版专著1本，公开和授权专利及软著10余项，获2025年中国质量协会质量技术二等奖。