Tədqiqat elektrik nəqliyyat vasitələrinin batareyalarının sağlamlıq vəziyyətini (State of Health, SOH) qiymətləndirmək üçün tam şarj əyrisinə ehtiyac duymadan yalnız təsadüfi şəkildə əldə edilmiş qısa sürətli şarj fraqmentlərindən istifadə edə bilən bir üsul hazırlayır. İşin əsas yanaşması çoxmərhələli sabit cərəyanlı (Multistage Constant Current, MSCC) şarjın yalnız 20 faiz bəndlik SOC hissələrindəki gərginlik məlumatlarını ikiölçülü faza fəzasında yenidən qurmaq, bu həndəsədən dörd sağlamlıq göstəricisi çıxarmaq və göstəricilərin yaşlanma ilə əlaqəsini səs-küyün azaldılması ilə zaman üzrə özünə-diqqəti birləşdirən DA-Transformer modeli vasitəsilə SOH dəyərinə çevirməkdir.

Metodun praktiki əsaslandırması real elektrik nəqliyyat vasitələrinin şarj davranışlarından irəli gəlir. EVBattery verilənlər toplusunda tək bir istehsalçıya aid 217 avtomobildən 90.000-dən çox tamamlanmış şarj sessiyası araşdırıldıqda, şarjların yalnız %15,5-nin SOC %20-dən aşağı səviyyədə başladığı, sessiyaların isə %79,1-nin %20–80 SOC intervalında başladığı müəyyən edilmişdir. Bu nəticə real istifadəçilərin çox vaxt batareyanı çox aşağı SOC səviyyəsinə qədər boşaltmadan şarja qoşduğunu və BMS-in tam 0–80% şarj profilinə müntəzəm şəkildə çıxış əldə edə bilməyəcəyini göstərir.

SOH qiymətləndirmə modelinin kəmiyyətcə yoxlanması Stanford Universitetinin laboratoriya batareya yaşlanması verilənlər toplusundakı 1,1 Ah tutumlu kommersiya LFP elementləri üzərində aparılmışdır. Üç müstəqil lokal şarj sahəsindən istifadə edilmişdir: %20–40, %40–60 və %60–80 SOC. Eyni MSCC şəraitində leave-one-cell-out çarpaz yoxlamasında orta RMSE dəyərləri müvafiq olaraq 0,0059, 0,0042 və 0,0041 olmuşdur. Beləliklə, yalnız 20 faiz bəndlik fraqmentləşdirilmiş şarj məlumatından istifadə olunsa belə, xüsusilə orta və yüksək SOC intervallarında ölçülən SOH əyriləri yüksək dəqiqliklə izlənmişdir.

Daha çətin olan çarpaz-şərait yoxlamasında model təlim zamanı heç görmədiyi fərqli MSCC sürətli şarj protokolu altında olan elementlərə birbaşa tətbiq edilmişdir. Bu halda %40–60 SOC pəncərəsində orta RMSE 0,0059, %60–80 SOC pəncərəsində 0,0063 səviyyəsində qaldığı halda, %20–40 pəncərəsində xəta 0,0121-ə yüksəlmişdir. Bu nəticə faza fəzasına əsaslanan sağlamlıq göstəricilərinin orta-yüksək SOC sahələrində şarj protokolunun dəyişməsinə qarşı daha sabit olduğunu, aşağı SOC pəncərəsinin isə fiziki şərait dəyişməsinə daha həssas qaldığını göstərir.

Tədqiqatın “real dünya” tərəfi diqqətlə şərh edilməlidir. EVBattery-dəki real avtomobil məlumatları istifadəçilərin şarj davranışını və uyğun SOC pəncərələrini müəyyənləşdirmək üçün istifadə edilmişdir; DA-Transformer üçün bildirilən SOH dəqiqlik dəyərləri real yol nəqliyyat vasitələrindən deyil, 30 °C sabit mühitdə laboratoriya şəraitində yaşlandırılmış Stanford elementlərindən əldə edilmişdir. Model müxtəlif laboratoriya MSCC protokolları arasında çarpaz yoxlanılsa da, dəyişən mühit temperaturu, real avtomobil istilik tarixçəsi, elementlərarası paket balanssızlığı və real yol BMS sensor şəraiti bu tədqiqat çərçivəsində birbaşa yoxlanılmamışdır.

Türkiyə baxımından metod elektrik nəqliyyat vasitələrində batareya sağlamlığının servis və ya sürüş zamanı tam şarj-boşalma testi tələb etmədən izlənə bilməsi baxımından əhəmiyyətlidir. Xüsusilə sürətli şarj infrastrukturunda sürücülər avtomobili müxtəlif SOC səviyyələrində şarja qoşduqları üçün tam şarj profilindən asılı olmayan BMS yanaşması praktik dəyər daşıya bilər. Lakin Türkiyədəki avtomobil parklarına tətbiqdən əvvəl fərqli LFP/NMC kimyaları, müxtəlif mövsümi temperatur şəraiti, element paket quruluşları, şarj cihazları və real park məlumatları ilə ayrıca yoxlama aparılmalıdır.

Tədqiqatın həll etməyə çalışdığı əsas problem nədir?

Batareya SOH-sinin etibarlı şəkildə müəyyənləşdirilməsi üçün laboratoriya şəraitində tam tutum testi aparıla bilər; lakin real elektrik nəqliyyat vasitələrində istifadəçi davranışı buna uyğun deyil. Avtomobillər müxtəlif SOC səviyyələrində şarja qoşulur və şarj müxtəlif vaxtlarda dayandırılır. Nəticədə BMS çox vaxt tam və standartlaşdırılmış şarj profili əvəzinə kəsilmiş, müxtəlif başlanğıc və bitmə nöqtələrinə malik lokal məlumat fraqmentləri görür.

Ənənəvi sağlamlıq göstəricilərinin bir hissəsi sabit gərginlik intervalları, incremental capacity pikləri və ya tam CC şarj müddəti kimi müəyyən xüsusiyyətlərə əsaslanır. Məlumat fraqmenti bu kritik nöqtələri əhatə etmədikdə həmin xüsusiyyətlər itə və ya müqayisəolunmaz hala gələ bilər. Tədqiqatçılar buna görə mütləq bir əyri nöqtəsinə deyil, qısa gərginlik ardıcıllığının həndəsi quruluşuna əsaslanan göstəricilər hazırlayırlar.

Real avtomobil istifadəçiləri batareyanı hansı SOC səviyyələrində şarja qoşurlar?

EVBattery verilənlər toplusu 464 real elektrik nəqliyyat vasitəsini və üç fərqli istehsalçını əhatə edir; zaman möhürü, orta element gərginliyi, şarj cərəyanı, maksimum/minimum temperatur və SOC kimi istismar məlumatlarını ehtiva edir. İstifadəçi davranışının ətraflı statistikasında tək bir istehsalçının 217 avtomobilindən 90.000-dən çox tamamlanmış şarj sessiyası araşdırılmışdır.

Bu paylanmanın əsas mesajı istifadəçilərin yalnız %15,5-nin şarja %20 SOC-dən aşağı səviyyədə başlamasıdır. %20–80 intervalındakı üç sinif birlikdə nəzərə alındıqda şarj başlanğıclarının %79,1-ni təşkil edir. Tədqiqatçılar buna görə sağlamlıq göstəricilərini 0–20% pəncərəsindən asılı etmək əvəzinə real istifadədə daha əlçatan %20–80 sahəsinə fokuslanmışdır.

Modelin SOH yoxlanmasında hansı batareyalardan istifadə olunub?

SOH qiymətləndirməsinin əsas laboratoriya verilənlər toplusu Stanford Universitetinin batareya dövrü verilənlər toplusudur. Elementlər kommersiya silindrik litium-dəmir-fosfat (LFP) elementləridir və nominal tutum 1,1 Ah-dir. Dövr sınaqları Arbin LBT test sistemi ilə aparılmışdır.

0–80% SOC hissəsində müxtəlif yüksək cərəyanlı sabit cərəyan kombinasiyalarından ibarət altımərhələli sürətli şarj siyasəti tətbiq edilmişdir. Element 80% SOC-yə çatdıqdan sonra 1 C CC-CV şarja keçmişdir. Boşalma sürəti 4 C-dən yuxarıdır. Yuxarı və aşağı gərginlik hədləri müvafiq olaraq 3,6 V və 2,0 V, sınaq temperaturu isə sabit 30 °C-dir.

Niyə yalnız %20-lik qısa SOC pəncərələrindən istifadə olunur?

MSCC şarjında cərəyan mərhələləri sabit 20% SOC artımlarında dəyişir. Tədqiqat bu təbii quruluşdan istifadə edərək %20–40, %40–60 və %60–80 SOC seqmentlərini bir-birindən müstəqil sağlamlıq diaqnostikası pəncərələri kimi seçmişdir.

Beləliklə, modelin yalnız müəyyən bir başlanğıc SOC-sindən asılı olması əvəzinə, real şarj sessiyası bu üç pəncərədən hansını əhatə edirsə, həmin qısa hissənin təkbaşına SOH qiymətləndirilməsi üçün kifayət edib-etmədiyi sınaqdan keçirilir.

Faza fəzasının yenidən qurulması nə edir?

Faza fəzasının yenidən qurulması (Phase Space Reconstruction, PSR) birölçülü gərginlik zaman sırasının gecikdirilmiş nüsxələrindən istifadə etməklə sistemin dinamik həndəsəsini daha yüksək ölçülü fəzada təmsil edir.

Bir gərginlik ardıcıllığı:

\[ V=\{v_1,v_2,\ldots,v_n\} \]

üçün gecikdirilmiş faza fəzası vektoru:

\[ X_i=[v_i,v_{i+\tau},\ldots,v_{i+(m-1)\tau}] \]

şəklində qurulmuşdur. Burada \(m\) yerləşdirmə ölçüsü, \(\tau\) isə zaman gecikməsidir.

Zaman gecikməsi ilkin gərginlik ardıcıllığı ilə gecikdirilmiş ardıcıllıq arasındakı qarşılıqlı məlumatın ilk lokal minimumundan istifadə edilərək müəyyən edilmişdir.

Niyə üç və ya daha çox ölçü əvəzinə 2B faza fəzası seçilib?

Qısa şarj fraqmentlərində yalnız təxminən 40–50 nümunə nöqtəsi olduğu üçün yüksək ölçülü faza fəzası həndəsi baxımdan seyrəkləşir. Tədqiqatçılar Kantz–Schreiber-in \(n\geq10^m\) meyarını nəzərə almış və yerləşdirmə ölçüsü artdıqca daxili həndəsi məhdudiyyət nöqtələrinin sürətlə yoxa çıxdığını göstərmişdir.

Mənbənin 7-ci və 31–33-cü səhifələrindəki vizuallar bu fərqi aydın göstərir. İki ölçüdə trayektoriyanın sərhədini həndəsi baxımdan dəstəkləyən çoxlu daxili nöqtə qalır; üç ölçüdə nöqtələrin %92,3-i xarici səthə çıxır, dörd və beş ölçüdə isə bütün nöqtələr xarici sərhəddə yerləşir. Bu quruluş qısa və səs-küylü məlumatlarda topologiyanı qeyri-sabit edə bildiyi üçün tədqiqat 2B PSR istifadə etmişdir.

Hansı dörd batareya sağlamlıq göstəricisi çıxarılıb?

İkiölçülü faza fəzasındakı hər lokal şarj fraqmentindən dörd həndəsi sağlamlıq göstəricisi (Health Indicator, HI) çıxarılmışdır.

HI1 — Trayektoriya Mərkəzinin Ortalaması:

\[ HI_1=\frac{C_x+C_y}{2} \]

Gərginlik fraqmentinin faza fəzasındakı ümumi orta səviyyəsini təmsil edir.

HI2 — Trayektoriya Mərkəzinin Yerdəyişməsi:

\[ HI_2=C_y-C_x = \frac{1}{n-\tau} \sum_{i=1}^{n-\tau} (v_{i+\tau}-v_i) \]

Riyazi baxımdan gərginlik əyrisinin orta birinci törəmə davranışı ilə əlaqəlidir.

HI3 — Trayektoriya Yayılması:

\[ HI_3= \frac{1}{n-\tau-1} \sum_{i=1}^{n-\tau} \left[(v_i-C_x)^2+(v_{i+\tau}-C_y)^2\right] \]

Faza nöqtələrinin həndəsi mərkəzdən orta kvadratik məsafəsini təmsil edir.

HI4 — 2B Konveks Örtük Sahəsi: Faza trayektoriyasının ən xarici sərhəd nöqtələrinin əhatə etdiyi sahə üzrə həndəsi yayılmanı təyin edir.

Sağlamlıq göstəriciləri SOH ilə nə qədər əlaqəlidir?

Qeyri-xətti yaşlanma meylinə görə Pearson əvəzinə Spearman sıra korrelyasiyası istifadə edilmişdir. Mənbədəki nümunə iki element/qrup üçün HI1 ən yüksək korrelyasiyanı göstərir.

HI2 digər üç göstəricidən daha zəif korrelyasiya göstərsə də, tədqiqatçılar ablasiya sınaqlarında HI2 çıxarıldıqda ümumi model dəqiqliyinin azaldığını bildirmiş və dörd göstəricinin hamısını saxlamışdır. Mənbə ablasiya üçün ətraflı rəqəmsal cədvəli əsas mətndə vermir; buna görə burada əlavə ablasiya faizi yaradılmamışdır.

Batareya SOH-u necə müəyyən edilib?

SOH cari dövrdə ölçülən tutumun nominal tutuma nisbəti kimi müəyyən edilmişdir:

\[ SOH_t=\frac{Q_t}{Q_n} \]

Burada \(Q_t\) t dövründəki real tutumu, \(Q_n\) isə nominal tutumu ifadə edir.

DA-Transformer klassik Transformer-dən nə ilə fərqlənir?

DA-Transformer iki əsas komponenti ardıcıl şəkildə birləşdirir: giriş hissəsində səs-küyü azaldan Feature Purification Mapping Block (FPM-Block), arxa hissədə isə batareya yaşlanmasının dövrlər boyu zaman əlaqələrini öyrənən Temporal Aggregation Transformer Encoder.

FPM-Block zamanı normallaşdırılmış sağlamlıq göstəricilərinə təlim prosesində Qauss səs-küyü əlavə olunur:

\[ \tilde{f}_t=f_t+\epsilon_t \]

\[ \epsilon_t\sim N(0,\sigma^2I) \]

Pozulmuş xüsusiyyətlər kodlayıcı vasitəsilə yüksək ölçülü gizli fəzaya ötürülür:

\[ z_t=ReLU(W_{enc}\tilde{f}_t+b_{enc}) \]

və sonra dekoder tərəfindən yenidən ilkin xüsusiyyət fəzasına qaytarılır:

\[ \hat{f}_t=W_{dec}z_t+b_{dec} \]

Bu yenidənqurma tapşırığı gizli təmsilin təsadüfi yüksək tezlikli səs-küy əvəzinə batareya yaşlanmasına aid qalıcı məlumatı saxlamasını hədəfləyir.

Transformer hissəsi yaşlanma tarixçəsindən necə istifadə edir?

FPM-Block-dan gələn təmizlənmiş gizli xüsusiyyətlərə mövqe kodlaması əlavə olunur və çoxbaşlı özünə-diqqət mexanizminə ötürülür:

\[ Attention(Q,K,V)= softmax\left(\frac{QK^T}{\sqrt{d_k}}\right)V \]

Bu quruluş SOH qiymətləndirilərkən keçmiş dövrlərdən hansılarının mövcud sağlamlıq vəziyyəti ilə daha güclü əlaqəli olduğunu adaptiv şəkildə çəkiləndirir.

Transformer çıxışları zaman istiqamətində qlobal orta hovuzlama ilə birləşdirilir:

\[ H_{pool}=\frac{1}{T}\sum_{t=1}^{T}H_t \]

və reqressiya qatı bu makroskopik yaşlanma təmsilini SOH qiymətləndirməsinə çevirir.

Ümumi təlim itkisi həm SOH proqnoz xətasını, həm də FPM yenidənqurma xətasını ehtiva edir:

\[ L_{Total}=L_{Pred}+\alpha L_{Recon} \]

Model hansı hiperparametrlərlə öyrədilib?

Eyni şərait yoxlaması necə aparılıb?

Modelin əvvəllər görmədiyi bir elementdə işləyib-işləmədiyini yoxlamaq üçün leave-one-cell-out cross-validation (LOCO-CV) tətbiq edilmişdir. No.1, No.2, No.10, No.20 və No.42 elementlərindən hər dəfə biri tamamilə test elementi kimi ayrılmış, digər dörd element təlim üçün istifadə edilmişdir.

Bu quruluşda test elementinin keçmiş və ya gələcək yaşlanma xüsusiyyətləri təlim zamanı modelə verilməmişdir.

Müxtəlif SOC pəncərələrində eyni-şərait RMSE dəyərləri nədir?

40–60% və 60–80% SOC pəncərələri orta xəta baxımından bir-birinə çox yaxındır və 20–40% pəncərəsindən daha yaxşı nəticə göstərir. Mənbədəki SOH qrafiklərində proqnoz əyriləri yalnız yavaş tutum azalmasını deyil, elementlərdə fərqli dövrlərdə baş verən sürətli tutum itkisi “knee” sahələrini də ümumilikdə izləyir.

Çarpaz-şərait testi niyə daha çətindir?

Çarpaz-şərait sınağında model No.1, No.2, No.10, No.20 və No.42 elementləri ilə öyrədilmiş; daha sonra tamamilə fərqli sürətli şarj protokolu altında yaşlandırılmış No.9, No.21, No.22, No.31 və No.36 elementlərinə birbaşa tətbiq edilmişdir.

Hədəf qrupun şarj cərəyanı konfiqurasiyası mənbədə 6,6 C, 6,16 C, 4,84 C və 4,22 C kimi verilir. Beləliklə, sınaq yalnız “yeni elementi” deyil, təlimdə əvvəllər görünməyən şarj protokolunu da əhatə edir.

Çarpaz-şərait RMSE dəyərləri nədir?

Niyə %20–40 SOC pəncərəsində ümumiləşdirmə daha zəifdir?

Tədqiqatçılar aşağı SOC zamanı batareyanın daxili polarizasiyasının daha zəif olduğunu və çıxarılan sağlamlıq göstəricilərinin yaşlanma ilə dəyişmə meylinin kiçildiyini bildirir. Nəticədə yaşlanma siqnalının səs-küyə nisbəti azalır və fərqli şarj protokollarına keçid zamanı modelin fiziki sahə dəyişməsinə həssaslığı artır.

Bu vəziyyət çarpaz-şərait nəticələrində kəmiyyətcə görünür. %20–40 SOC orta RMSE-si 0,0059-dan 0,0121-ə qalxaraq iki dəfədən çox artmışdır. No.36 elementində xəta 0,0193, No.22-də isə 0,0146 olmuşdur.

Bunun əksinə, %40–60 və %60–80 SOC orta xətaları yalnız 0,0059 və 0,0063 səviyyəsindədir. Buna görə tədqiqat real BMS tətbiqlərində orta-yüksək SOC pəncərələrinin prioritetləşdirilməsini təklif edir.

Tədqiqatın dəstəklədiyi nəticələr

• Real avtomobil istifadəçilərinin şarja başlama davranışı tam 0–80% şarj profilinə müntəzəm çıxışın praktik olmaya biləcəyini dəstəkləyir.
• İkiölçülü faza fəzası qısa 40–50 nöqtəlik gərginlik ardıcıllıqlarında üç və daha yüksək ölçülərlə müqayisədə daha çox daxili həndəsi nöqtə saxlayır.
• %20-lik tək MSCC SOC pəncərəsindən çıxarılan dörd topoloji sağlamlıq göstəricisi SOH qiymətləndirilməsində istifadə oluna bilər.
• DA-Transformer eyni protokolda üç SOC pəncərəsinin hamısında orta RMSE-ni 0,0059 və ya daha aşağı səviyyədə saxlamışdır.
• Fərqli sürətli şarj protokoluna birbaşa keçiddə %40–60 və %60–80 pəncərələrində orta RMSE müvafiq olaraq 0,0059 və 0,0063-dür.
• %20–40 SOC pəncərəsi çarpaz-şərait dəyişməsinə daha həssasdır və orta RMSE 0,0121-ə yüksəlmişdir.
• Model müxtəlif elementlərdə tutum azalmasının qeyri-xətti “knee” sahələrini ümumilikdə izləyə bilmişdir.

Tədqiqatın dəstəkləmədiyi nəticələr

• Bildirilən SOH dəqiqliyi real yoldakı 464 EV üzərində birbaşa yoxlanılmamışdır.
• EVBattery verilənlər toplusu modelin real avtomobil SOH dəqiqlik testi kimi istifadə edilməmiş, əsasən şarj davranışını müəyyənləşdirmək üçün istifadə olunmuşdur.
• Modelin dəyişən mühit temperaturunda eyni dəqiqliklə işləyəcəyi göstərilməmişdir.
• Tədqiqat müxtəlif element kimyaları arasında LFP-dən NMC və ya başqa kimyalara birbaşa ümumiləşdirməni doğrulamır.
• Real batareya paketində element balanssızlığı, istilik qradienti, cərəyan sensorunun sürüşməsi və paket səviyyəli yaşlanma müxtəlifliyi ayrıca yoxlanılmamışdır.
• Modelin seriyalı istehsal BMS avadanlığındakı prosessor yükü, yaddaş istifadəsi və real vaxt gecikməsi ölçülməmişdir.
• Aşağı RMSE modelin təhlükəsizlik baxımından təkbaşına sertifikatlaşdırılmış BMS həlli olması demək deyil.

Tədqiqatın Metodu və Nəticələri

Verilənlər toplularının tədqiqatdakı rolları

Real avtomobil təhlilində seçilən 10 avtomobilin şarj sessiyası sayları

LOCO-CV nəyin qarşısını alır?

Leave-one-cell-out quruluşu test elementinin yaşlanma tarixçəsinin təlim məlumatına sızmasının qarşısını almağı hədəfləyir. Hər turda bir element tamamilə görünməyən test hədəfi kimi seçilir və model digər elementlərlə öyrədilir.

Bu dizayn adi təsadüfi train-test bölünməsindən daha sərtdir; çünki eyni fiziki elementin müxtəlif dövrlərinin həm təlim, həm də test dəstinə paylanması nəticəsində yarana biləcək məlumat sızmasını azaldır.

Eyni şəraitlə çarpaz-şərait arasındakı əsas fərq nədir?

Eyni-şərait sınağında təlim və test elementləri eyni sürətli şarj protokolu ailəsindədir. Çarpaz-şərait sınağında isə model bir element qrupundakı protokolla öyrədilib tamamilə fərqli MSCC cərəyan konfiqurasiyası ilə dövrləndirilmiş ayrıca element qrupuna tətbiq olunur.

Buna görə çarpaz-şərait nəticələri yalnız elementlərarası ümumiləşdirmə deyil, şarj strategiyasının dəyişməsinə qarşı dayanıqlılıq haqqında da məlumat verir.

Ən güclü pəncərə hansıdır?

Eyni şəraitdə rəqəmsal olaraq ən aşağı orta xəta %60–80 SOC pəncərəsində 0,0041-dir; %40–60 pəncərəsi 0,0042 ilə demək olar eynidir. Çarpaz-şərait sınağında isə %40–60 SOC pəncərəsi 0,0059 ilə %60–80-in 0,0063 dəyərindən bir qədər aşağı xəta vermişdir.

Buna görə mənbə tək bir universal “ən yaxşı” pəncərəni mütləq şəkildə ayırmaq əvəzinə %40–60 və %60–80 sahələrini birlikdə ən sabit orta-yüksək SOC zonaları kimi qiymətləndirir.

Ən yaxşı və ən zəif çarpaz-şərait nəticələri

Çarpaz-şərait sınağında ən aşağı fərdi RMSE %40–60 SOC pəncərəsində No.9 elementinin 0,0028 dəyəridir. Eyni pəncərədə No.21 elementi 0,0038 RMSE göstərmişdir.

Ən böyük xəta %20–40 SOC pəncərəsində No.36 elementində 0,0193, ardınca No.22 elementində 0,0146 olmuşdur. Beləliklə, aşağı SOC bölgəsindəki domain shift təsiri elementdən elementə də əhəmiyyətli dərəcədə dəyişir.

Şəkil 7 və Şəkil 8-in əsas mesajı nədir?

Mənbənin Şəkil 7-si eyni şarj şəraitində No.1, No.2, No.10, No.20 və No.42 elementlərinin real və proqnozlaşdırılmış SOH əyrilərini üç SOC pəncərəsində göstərir. Kəsik proqnoz əyriləri ömür dövrünün böyük hissəsində real əyriləri yaxından izləyir və elementlərin sürətlənmiş tutum itkisinə müxtəlif dövrlərdə keçməsini ümumilikdə tutur.

Şəkil 8 isə tamamilə fərqli şarj protokolundakı No.9, No.21, No.22, No.31 və No.36 elementlərini göstərir. Xüsusilə %40–60 və %60–80 qrafiklərində proqnoz əyriləri real tutum itkisi formasına yaxın qalarkən, %20–40 qrafikində bəzi elementlərdə baza səviyyəsi sürüşməsi və meyl xətası aydınlaşır.

Modelin real BMS tətbiqinə ən mühüm töhfəsi nədir?

Tədqiqatın mühəndislik baxımından əsas töhfəsi SOH qiymətləndirilməsini tam şarj əyrisindən asılılıqdan çıxarmağa yönəlmiş üsul göstərməsidir. Avtomobil yalnız %40–60 və ya %60–80 kimi qısa sürətli şarj hissəsini qeydə almış olsa belə, həmin fraqmentin faza fəzası həndəsəsi batareya yaşlanmasının izlərini daşıya bilər.

Lakin mövcud nəticələr bu ideyanın laboratoriya verilənlər toplusunda tətbiq oluna bildiyini göstərir. Real avtomobil BMS-inə keçid üçün temperatur dəyişməsi, paket səviyyəli heterogenlik və sahə sensor səs-küyü daxil olmaqla daha geniş yoxlama tələb olunur.

Tədqiqatın güclü tərəfləri

• Metod dizaynının real istifadəçi şarj davranışı statistikası ilə əsaslandırılması.
• Tam şarj əyrisi əvəzinə təsadüfi lokal SOC pəncərələrinə fokuslanılması.
• Qısa məlumat ardıcıllıqları üçün yerləşdirmə ölçüsünün həndəsi seyrəkləşmə vasitəsilə açıq şəkildə təhlil edilməsi.
• Faza fəzasından şərh oluna bilən dörd həndəsi sağlamlıq göstəricisinin çıxarılması.
• Test elementinin təlim məlumatına qarışmasının qarşısını alan LOCO-CV-dən istifadə edilməsi.
• Eyni şarj protokolundan əlavə tamamilə fərqli sürətli şarj protokolunda ayrıca ümumiləşdirmə sınağının aparılması.
• FPM-Block və Transformer-in səs-küyün azaldılması ilə uzunmüddətli yaşlanma modelləşdirməsini vahid təlim məqsədində birləşdirməsi.

Əsas məhdudiyyətlər

SOH qiymətləndirilməsinin kəmiyyət yoxlanması laboratoriya Stanford verilənlər toplusuna və sabit 30 °C temperatura əsaslanır. Real avtomobil verilənlər toplusu modelin birbaşa SOH test sahəsi deyil.

Tədqiqat kommersiya 1,1 Ah LFP elementlərinə fokuslanmışdır. Fərqli kimyalar, böyük formatlı elementlər və paket səviyyəsində seri-paralel quruluş ayrıca yoxlanılmamışdır.

Çarpaz-şərait sınağı şarj protokolunun dəyişməsini əhatə etsə də, mühit temperaturu, yük profili, təqvim yaşlanması və real yol şəraitindəki birləşmiş domain shift-i əhatə etmir.

FPM-Block təlim zamanı süni izotropik Gaussian səs-küyündən istifadə edir. Real BMS sensor xətalarının paylanması hər zaman Gaussian və ya müstəqil olmaya bilər.

Tədqiqat real vaxtlı quraşdırılmış BMS prosessorunda hesablama yükü, gecikmə, enerji sərfiyyatı və yaddaş tələbi ölçmələrini təqdim etmir.

Tədqiqatçılar nəticə bölməsində də gələcəkdə mühit temperaturunun dəyişməsi kimi çoxfizikalı ekoloji sərhədlərin faza fəzası yerləşdirmə prosesinə daxil edilməli olduğunu açıq şəkildə bildirirlər.

Mənbə və Metod Qeydi

Tam orijinal tədqiqat adı: State of Health Estimation of Lithium-Ion Batteries Based on Real-World Charging Behavior Analysis and Phase Space Topology of Fragmented Data

Müəlliflər və sıralama: Xiaofeng Sang; Junfu Li; Mei Zhao; Jiaxing Che; Tong Yao; Huaqiang Zhang.

Bərabər töhfə/bərabər birinci müəlliflik: Araşdırılan versiyada bərabər töhfə və ya bərabər birinci müəlliflik bəyanı yoxdur.

Məsul müəllif: Xiaofeng Sang.

Məsul müəllifin e-poçt ünvanı: 24s130422@stu.hit.edu.cn.

Qurumlar: School of New Energy, Harbin Institute of Technology (Weihai), Weihai 264209, China; School of Automotive Engineering, Harbin Institute of Technology (Weihai), Weihai 264209, China; School of Information Science and Engineering, Harbin Institute of Technology (Weihai), Weihai 264209, China.

Mənbə növü: Real elektrikli avtomobil şarj davranışı təhlili ilə laboratoriya batareya yaşlanması məlumatlarını birləşdirən məlumat-yönümlü SOH qiymətləndirmə tədqiqatının preprint versiyası.

Rəyçilik statusu: Araşdırılan versiya rəyçilər tərəfindən qiymətləndirilməmiş preprintdir. Yüklənmiş faylın hər səhifəsində “Preprint not peer reviewed” ifadəsi mövcuddur. Biblioqrafik yoxlamada eyni başlıq üzrə ayrıca təsdiqlənmiş rəyli jurnal versiyası bu axtarışda müəyyən edilməmişdir.

Platforma: SSRN.

SSRN qeydiyyat nömrəsi: 6933581.

DOI: 10.2139/ssrn.6933581.

Rəsmi keçid:SSRN 6933581

Nəşr tarixi: Araşdırılan faylda etibarlı şəkildə ötürülə biləcək dəqiq gün/ay biblioqrafik olaraq görünmür. Xarici indekslərdə tarix metadatası uyğun olmadığı üçün burada uydurma dəqiq tarix verilməmişdir.

Əsas laboratoriya verilənlər toplusu: Stanford University battery cycle dataset; 1,1 Ah kommersiya LFP silindrik elementlər; Arbin LBT test sistemi; 30 °C; MSCC sürətli şarj.

Real dünya verilənlər toplusu: EVBattery; üç istehsalçıdan 464 real elektrik nəqliyyat vasitəsi. Tədqiqatda real avtomobil SOH dəqiqliyini birbaşa yoxlamaq əvəzinə, şarj davranışının və başlanğıc SOC paylanmasının müəyyən edilməsində istifadə olunmuşdur.

Real şarj davranışı alt təhlili: Tək bir istehsalçıdan 217 avtomobil və 90.000-dən çox tamamlanmış şarj sessiyası. Şarj başlanğıclarının %79,1-i %20–80 SOC intervalındadır.

Faza fəzası metodu: Gecikdirilmiş koordinat PSR; zaman gecikməsi qarşılıqlı informasiya metodunun ilk lokal minimumu ilə müəyyən edilmiş; qısa məlumat ardıcıllıqlarındakı həndəsi seyrəkləşməyə görə yerləşdirmə ölçüsü 2 seçilmişdir.

Sağlamlıq göstəriciləri: HI1 Trajectory Center Mean; HI2 Trajectory Center Displacement; HI3 Trajectory Dispersion; HI4 2D Convex Hull Area.

Model: Denoising Aggregation Transformer (DA-Transformer); FPM-Block + Temporal Aggregation Transformer Encoder + global average pooling + reqressiya qatları.

Eyni-şərait orta RMSE: %20–40 SOC: 0,0059; %40–60 SOC: 0,0042; %60–80 SOC: 0,0041.

Çarpaz-şərait orta RMSE: %20–40 SOC: 0,0121; %40–60 SOC: 0,0059; %60–80 SOC: 0,0063.

Əsas şərh məhdudiyyəti: Tədqiqat real istifadəçi davranışından uyğun şarj pəncərələrini çıxarır, lakin bildirilən SOH qiymətləndirmə dəqiqliyi real avtomobil parkında birbaşa yoxlanılmamışdır. Kəmiyyət SOH yoxlaması sabit istilik şəraitindəki Stanford laboratoriya elementlərində aparılmışdır.

Maliyyələşdirmə: National Natural Science Foundation of China, Project 52177032; Aviation Science Foundation, ASFC-20230007077004.

Maraqlar toqquşması: Araşdırılan versiyada ayrıca maraqlar toqquşması bəyanı müəyyən edilməmişdir.

Məlumat əlçatanlığı: Araşdırılan versiyada ayrıca məlumat əlçatanlığı bəyanı yoxdur; istifadə olunan Stanford və EVBattery verilənlər topluları mənbələrdə ayrıca tədqiqatlar kimi istinad edilmişdir.

CRediT/müəllif töhfələri: Araşdırılan versiyada ətraflı CRediT müəlliflik töhfəsi bəyanı yoxdur.

Lisenziya: Yüklənmiş versiyada açıq Creative Commons və ya ekvivalent yenidən istifadə lisenziyası bəyanı müəyyən edilməmişdir. Buna görə orijinal şəkillərin birbaşa yenidən yayımlanmasına icazə verildiyi fərz edilməmişdir.

Elmi məzmun prinsipi: Bu Verianla izahındakı metod, verilənlər topluları, formullar, SOC paylanmaları, RMSE nəticələri, model parametrləri və məhdudiyyətlər araşdırılan 36 səhifəlik tədqiqata əsaslanır. Xarici mənbə yalnız SSRN kimliyi, DOI və cari nəşr statusunun biblioqrafik yoxlanması üçün istifadə edilmişdir.