【论文解读】BatteryAgent：一种基于“数值-语义”桥梁的电池故障可解释性诊断新范式

导读：深度学习在电池故障诊断中表现出色，但其“黑盒”特性和二分类范式限制了实际应用中的可解释性与维护指导价值。近日，清华大学自动化系计算能源团队在 arXiv 发布论文 《BatteryAgent: Synergizing Physics-Informed Interpretation with LLM Reasoning for Intelligent Battery Fault Diagnosis》。该研究提出了一种分层式智能体框架，巧妙地建立了“数值特征”与“语义推理”之间的桥梁，利用 DeepSeek-R1 大模型实现了从被动检测到主动、可解释诊断的跨越。

论文地址：arXiv:2512.24686

---

1. 研究背景与痛点

锂离子电池（LIBs）是电动汽车的核心组件，但其热失控风险始终是行业痛点。目前的电池故障诊断主要面临两大挑战：

1. 可解释性缺失：现有的数据驱动方法（如CNN、Transformer）虽然检测精度高，但往往是“黑盒”模型，无法解释判定依据。
2. 诊断维度单一：现有模型大多局限于“正常/异常”的二分类，无法提供具体的故障根因（如内短路、容量衰减）或后续的维护建议。

虽然大语言模型（LLM）具备强大的推理能力，但直接将原始时序电压/电流数据输入LLM会面临Token成本高昂、数值计算能力弱以及幻觉风险等问题。

针对上述问题，本文提出了 BatteryAgent 框架，其核心思想是：用物理机理特征压缩数据，用可解释ML模型量化贡献，用LLM完成最终的逻辑推理。

---

2. BatteryAgent 核心架构

BatteryAgent 采用三层递进架构，如图1所示：

图1 BatteryAgent 分层架构示意图

图注解读：
这是一个闭环的“感知-归因-推理”系统，共包含三层：

1. 左侧（物理感知层）：将电压(V)、电流(I)、温度(T)等原始传感器数据，通过物理知识库转化为具有明确电化学含义的机理特征（Feature Matrix），实现了数据的物理降维。
2. 中间（检测与归因层）：使用 GBDT 模型进行初步的二分类（正常/异常），并利用 SHAP 解释器计算出 Top-k 个对当前预测贡献最大的特征（例如 $T_{min}$ 或电压一致性），形成了“数值锚点” 。
3. 右侧（推理与诊断层）：这是系统的“大脑”。DeepSeek-R1 Agent 接收结构化的 Prompt（包含机理规则 + SHAP数值证据 + 输出模板），通过“数值-语义桥梁”生成包含故障根因和维护建议的自然语言报告 。

2.1 物理感知层 (Physics Perception Layer)

为了避免端到端学习带来的物理意义缺失，该层基于电化学原理设计并筛选了10个关键特征，将高频时序数据降维为紧凑的特征向量。特征分为三类：

• 历史使用特征：
  • $f_{cyc}$：累计循环次数（老化指标）
  • $f_{cc}$：恒流充电阶段占比（极化程度指标）
  • $f_{soc}$：最大SOC（过充风险）
• 电压特性特征：
  • $f_{vr}$：包-单体电压比（一致性指标）
  • $f_{corr}$：电压相关系数（单体演化同步性）
  • $f_{v0}$：初始电压最小值
  • $f_{\beta }$：电压斜率
• 热动力学特征：
  • $f_{\Delta T}$：最大温差（局部热点）
  • $f_{\dot{T}}$：最大温升速率
  • $f_{T_{end}}$：充电结束温度

2.2 检测与归因层 (Detection & Attribution Layer)

该层负责“定量分析”。

• 分类器：采用梯度提升决策树（GBDT/LightGBM）进行高精度故障分类。
  *可解释性归因：引入 SHAP (SHapley Additive exPlanations) 值来量化每个物理特征对预测结果的贡献度。

  对于特征 $f_j$，其SHAP值 ${\varphi }_j$ 满足局部准确性：
  $$f(F)={\varphi }_0+\sum _j{\varphi }_j$$
  系统选取 Top-k 个高贡献特征（$w_j$）传递给下一层，为LLM提供“数值锚点” 。

2.3 推理与诊断层 (Reasoning & Diagnosis Layer)

这是本文的核心创新点——“数值-语义桥梁” (Numeric-to-Semantic Bridge)。
该层利用 DeepSeek-R1 作为 Agent 核心，通过结构化 Prompt 将数值分析转化为自然语言诊断。

Prompt 结构设计：
$$\mathcal{P}=[\text{Rules}]+[\text{SHAP}]+[\text{Template}]$$

1. [Rules] 知识库：注入专家知识，定义特征与故障类型的映射关系（例如：$f_{\Delta T}$ 异常可能对应热失控或热管理失效）。
2. [SHAP] 证据链：输入GBDT的预测结果 $\hat{y}$ 以及 Top-k 特征的 SHAP 贡献值。
3. [Template] 输出规范：要求输出包含 Diagnosis Result（诊断结果）、Root Cause（根因分析）、Maintenance Advice（维护建议）。

---

3. 实验结果与分析

实验基于大规模实车数据集（Zhang et al., Nature Comm.2023），包含347辆车、超69万个充电片段。

3.1 SOTA 对比

BatteryAgent 在各项指标上均超越了现有的深度学习模型（如 BatteryBERT）和时序大模型（如 TimesFM, Chronos）。

方法	AUROC	平均运营成本 (CNY)	说明
BatteryAgent	98.6%	93	Cost 降低 59.4%
BatteryBERT	94.5%	229	专用预训练模型
DyAD	88.6%	850	动态深度学习
TimesFM	79.4%	1050	时序基础模型
Chronos	78.7%	1090	时序基础模型

数据来源：论文 Table III

分析：通用的时序大模型（Time-LLM等）在特定领域的故障检测上表现一般，证明了**领域知识注入（Domain Knowledge Injection）**的必要性。

3.2 消融实验：为什么要结合 LLM + SHAP？

作者通过消融实验证明了每个组件的重要性：

• w/o SHAP：去掉SHAP归因，LLM 缺乏数值锚点，导致“幻觉”，误报率上升。
• w/o Rules：去掉机理规则，模型无法将特征映射到物理故障，漏报率显著增加。
• Only LGBM：仅使用 GBDT，虽有分类能力，但无法处理边界样本，假阴性（False Negative）高达49个（BatteryAgent仅1个）。
  图2 消融实验中的分类分布对比（(a) 真实异常样本 vs (b) 真实正常样本）

图注解读：
此图展示了不同模型在处理“难样本”时的分类分布。特别需要注意的是对“Warning（灰色）”类别的解读：

1. 标签的局限性：原始数据集采用的是粗粒度的二分类标签，即故障车辆的所有充电片段都被标记为“Abnormal”，无论其实际处于故障早期还是晚期。这意味着 Ground Truth 并不完全代表当前的物理状态。
2. Warning 的有效性：LLM输出的 “Warning” 被视为一种有效的中间态预测。它成功捕捉到了故障演进的**“过渡阶段（Transitional Phase）”**——即异常特征已经出现但尚未达到临界阈值的状态。
3. 性能优势：

• BatteryAgent（最顶行）：表现最佳。在100个异常样本中正确检出99个，在100个正常样本中正确识别78个，并将剩余22个模棱两可的样本归类为“Warning”，实现了极低的误报率和漏报率。
• w/o SHAP / w/o Rules：移除SHAP归因或规则库后，模型的不确定性（灰色）显著增加，且对异常样本的漏报增多（红色条变短）。

3.3 案例研究：多维诊断能力

尽管训练数据只有“0/1”标签，BatteryAgent 依然展现出了细粒度的诊断能力。
以 Vehicle 405 为例，Agent 诊断出其主要故障为 内短路 (Internal Short Circuit) 和 热失控风险 (Thermal Runaway)，并给出了高置信度的严重性评分。这与电化学原理高度一致：内短路往往导致局部产热，进而诱发热失控风险。

图3 车辆405在50个连续充电片段中的故障严重程度画像

图注解读：
这张雷达图展示了 BatteryAgent 进行细粒度诊断的能力。图中六个轴代表六种不同的故障类型（如内短路、热失控、容量衰减等），刻度 0-5 代表严重程度。

• 红线（均值）：车辆405在“内短路 (Internal Short Circuit)”维度得分高达 3.68，在“热失控 (Thermal Runaway)”维度得分 2.79，而其他维度得分很低。
• 灰色阴影（标准差）：阴影区域很窄，说明模型在连续50次充电过程中的诊断结果非常稳定（Standard Deviation 仅为 0.48-0.86）。
• 物理一致性：这与电化学原理高度吻合——内短路（ISC）通常会引起局部产热，从而继发热失控（TR）风险。模型成功捕捉到了这种因果链条。

---

4. 总结与展望

BatteryAgent 的提出标志着电池故障诊断从“被动报警”向“主动智能诊断”的转变。其主要贡献在于：

1. 可解释性：通过 SHAP + LLM，让黑盒模型“开口说话”，给出有理有据的分析。
2. 高性能：在 AUROC 达到 98.6% 的同时，大幅降低了实际运营中的误报/漏报成本。
3. 泛化性：无需细粒度标注数据，利用 LLM 的推理能力即可实现多故障类型的根因定位。

这种 “Physics features + Interpretable ML + LLM Reasoning” 的范式，也为其他工业领域的复杂系统诊断提供了极具价值的参考。

---

参考文献

• S. Zhou, J. Wang, R. Liu, Y. Wang, B. Su, and B. Jiang*, BatteryAgent: Synergizing Physics-Informed Interpretation with LLM Reasoning for Intelligent Battery Fault Diagnosis, arXiv preprint arXiv:2512.24686, 2025.