Bu tədqiqat, daha əvvəl çevrim testi strukturlmamış bir hədəf işləmə şərtindaki litium-ion batareya sşəbəkəlamlıq durumu (state of health, SOH) deqradasiya əyrisini, yalnızca test edilmiş mənbə şərtiların SOH diziləri və mənbə–hədəf şərt amilləri istifadə edilərək üretmeyi amaçlamaktadır. Tədqiqatçılar; şərtlu dəyişimsəl diziden diziye (conditional variational sequence-to-sequence, seq2seq) üretkən modeli, seyrək keçidlı bir pozulma dinamiği düzenleyicisiyle birleştirmiştir. Model iki fərqli batareya kimyası və pozulma biçimi üzərində sınanmış; en iyi mevcut müqayisə üsulune görə orta mütləq xətayı birinci məlumat kümesinde en az %31,03, ikinci məlumat kümesinde isə %35,90 azaltmışdır. Bununla belə araşdırma rəyçi qiymətləndirməsindən keçməmiş preprintdir; nəticələr sabit və əvvəlden diaqnozmlanmış tədqiqat şərtlərindən əldə edilən laboratoriya yaşlanma dizilərine dayanmaktadır.

Önerilən üsulun təməl fikri, fərqli temperatur, şarj nisbəti, deşarj nisbəti, doluluq durumu və deşarj dərinliyi altında yaranan SOH eğrilərinin görünüşleri fərqli olsa da ortak bir gizil deqradasiya geometriyasıni paylaşabiləceği varsayımıdır. Dizi kodlayıcı, ölçülmüş mənbə şərti eğrisini bu ortaq gizil uzaya tpeyəndmaktadır. Koşul kodlayıcı, mənbə və hədəf tədqiqat şərtlərı arasındaki farkı zamanla değişen bir çevrilmə dizisine çevirmektedir. Dizi dekoder isə dönüştürülmüş gizil diziden hədəf şərtun tam SOH deqradasiya əyrisini və qeyri-müəyyənlik proqnozuni üretməktedir.

Ana üretkən görəve eklenen yardımçı vəzifə, oluşturulan SOH eğrisinin çevrim sayistilik, hədəf şərt amilləri, mevcut SOH düzeyi və SOH’nin şərtləra duyarlılığıyla ilişgili öğrenilmiş deqradasiya dinamiklərine uymasını teşvik etmektedir. Birinci məlumat kümesinde tam modelin ortalama MAE dəyəri 0,0040, ikinci məlumat kümesinde 0,0050 olmuştur. Birinci məlumat kümesindeki çıqarım təcrübəinde yardımçı vəzifəin kaldırıldığı M1 modeliyle tam model arasındaki fark statistik olaraq əhəmiyyətli bulunmamıştır; bunun əksinə ikinci məlumat kümesinde tam model M1 dâhil bütün çıqarılmış sürümlerden əhəmiyyətli derecede daha iyi nəticə vermiştir. Bu ayrım, yardımcı dinamik tənzimləyicisinin töhfəsinın məlumat kümesine bşəbəkəlı olabiləceğini göstərir.

Türkiyə baxımından dəyərləndirmə: Yöntem; elektrikli nəqliyyat vasitəsi batareyalarının geliştirilmesi, yerli hüceyrə və paket Ar-Ge tədqiqatları, sabit enerji saxlaması dumantemleri, sürətli şarj stratejilərinin ön elemesi və pahalı çevrim təcrübələrinin əvvəlliklendirilmesi üçün araşdırma aracı kimi dəyərlendiriləbilir. Lakin modelin Türkiyədə istifadə edilən hüceyrə kimyaları, iklim şərtlərı, sürüş dövrləri və şarj infrastrukturu üzərində doğrulandığına ilişkin məlumat bulunmamaktadır. Tədqiqat, fiziksel çevrim təcrübələrinin tamamen ortadan kaldırılabiləceğini və ya istehsal qararlarının yalnızca model sonucuyla məlumatlebiləceğini göstermemektedir.

Araşdırmanın təməl sualsu nedir?

Litium-ion batareyaların tutumsi və iç müqaviməti, kullanım dövrləri boyunca değişmektedir. Sşəbəkəlık durumu kimi adlandırılan SOH, batareyanın mevcut performansını başlanğıctaki və ya nominal performansına görə ifade eden bir göstəricidir. SOH pozulmasının sürəti və biçimi; temperatur, ortalama doluluq durumu, deşarj dərinliyi, şarj sürəti, deşarj sürəti və gərginlik sınırları gibi şərtləra güclü biçimde bşəbəkəlıdır.

Bir batareya üreticisi və ya araşdırma laboratoriyaı, bütün olası tədqiqat şərtlərində tam dövr ömrü təcrübəi yapamayabilir. Her şərt üçün yüzlerce və ya binlerce çevrim müddətn təcrübələr zaman, hüceyrə və test kanalı gerektirir. Buna qarşın tasarım və ya şarj protokolü seçimi ardıcıllıqsında henüz denenmemiş şərtlərın uzun müddətli pozulma eğrilərinin bilinmesi istenebilir.

Araşdırmanın təməl sualsu şudur: Bir hədəf şərtda hiçbir erken çevrim və ya real zamanlı operasiya məlumatsi bulunmadan, başka şərtlərda ölçülmüş SOH dizilərinden hədəf şərtun tam deqradasiya əyrisi üretiləbilir mi?

“Operasyon məlumatsi olmadan” ne anlama gelmektedir?

Tədqiqatda istifadə edilən ifade diqqətle sınırlandırılmalıdır. Modelin proqnoz girdiləri şunlardır:

• Bir və ya daha fazala test edilmiş mənbə şərtia ait ölçülmüş SOH pozulma dizisi,
• Qaynaq şərtun temperatur, şarj nisbəti, deşarj nisbəti, SOC və ya DOD gibi faktörleri,
• Tahmin edilmek istenen hədəf şərtun eyni türdeki faktörleri.

Modelin istemediği məlumat, hədəf şərt altında ölçülmüş axınm, gərginlik, temperatur, şarj eğrisi və ya erken çevrim SOH dizisidir. Buna görə üsul “məlumatsiz proqnoz” yapmamaktadır; hədəf şərta ait operasiya məlumatsine ihtiyaç duymadan, mənbə şərti məlumatlarinden şərtlər arası istehsal yapmaktadır.

Literatürde hangi boşluq hədəflenmiştir?

Mevcut erken ömür və ya SOH proqnoz üsullerinin mühüm bir bölümü, hədəf hüceyrəye ait ilk dövrlərin axınm, gərginlik, tutum və ya sşəbəkəlık göstəricilərini kullanmaktadır. Transfer öğrenmesi yaklpeyəndmları da çoğunlukla hədəf alandan en azından məhdud miqdarda məlumat gerektirir. Bu durum, hədəf şərtda henüz təcrübə strukturlmamış tasarım aşamalarında üsulun uygulanmasını sınırlar.

Hedef operasiya məlumatsi istemeyen geleneksel üsuller isə çoğunlukla şərt amillərini birbaşa SOH və ya ömür dəyərine eşleyen Gauss proses regresiyası və dəstək vektor regresiyası gibi modellere dayanır. Tədqiqatçılar bu modellerin, geniş şərt aralıklarında və pozulmanın iləri aşamalarında qarmpeyəndk doğrusal olmayan biçimleri yakalamakta zorlanabildiğini belirtmektedir.

Önerilən üretkən yaklpeyəndm, hədəf SOH dəyərlərini tek tek regresyonla hesablamak yerine, mənbə şərti eğrisini ortak bir gizil pozulma uzayında hədəf şərt eğrisine dönüştürmektedir. Böylece tüm həyat dövrü boyunca birbirine bşəbəkəlı bir zaman dizisi üretilmektedir.

Problem matematiksel kimi nasıl diaqnozmlanmıştır?

Bir işləmə şərti, M adet faktörden yaranan bir vektörle gösterilmektedir:

\[ \mathbf{c}=(c^1,c^2,\ldots,c^M) \]

Qaynaq şərt:

\[ \mathbf{c}_s=(c_s^1,c_s^2,\ldots,c_s^M) \]

Hedef şərt:

\[ \mathbf{c}_t=(c_t^1,c_t^2,\ldots,c_t^M) \]

Qaynaq şərt altında ölçülmüş SOH dizisi:

\[ \mathbf{SOH}_s=(SOH_{s,1},SOH_{s,2},\ldots,SOH_{s,N}) \]

kimi diaqnozmlanmıştır. Modelin üretmesi gereken hədəf dizi isə:

\[ \mathbf{SOH}_t=f(\mathbf{SOH}_s,\mathbf{c}_s,\mathbf{c}_t) \]

ilişkisiyle ifade edilmektedir. Burada N dizinin ölçmə noktası sayistilikdır. Model, mənbə eğrinin hangi şərtda oluştuğunu və hədəf şərtun mənbə şərtidan nasıl ayrıldığını birlikte kullanmaktadır.

Modelin genel mimarisi

Şegil 1’də model iki bşəbəkəlı görəv hâlinde gösterilmektedir:

1. Birincil üretkən görəv: Qaynaq SOH dizisini hədəf SOH dizisine dönüştürür.
2. Yardımcı dinamik görəvi: Üretilən dizinin məlumatden öğrenilmiş deqradasiya dinamikləriyle uyumlu olmasını teşvik eder.

Birincil görəv üç modulden oluşmaktadır:

• Dizi kodlayıcı S(·),
• Koşul kodlayıcı C(·),
• Dizi dekoder D(·).

Yardımcı görəv isə seyrək keçidlı dinamik tənzimləyicisi R(·) tarafından gerçekleştirilmiştir.

Dizi kodlayıcı mənbə deqradasiya əyrisini nasıl işler?

Dizi kodlayıcı, çox qatlı qapılı təkrarlanan vahidlerden (gated recurrent unit, GRU) yaradılmışdır. GRU, bir zaman dizisinde hangi geçmiş bilginin korunacşəbəkəına və ya unutulacşəbəkəına qarar veren qapılı bir sinir şəbəkəsi strukturudır.

l qatındaki sıfırlama qapistilik:

\[ \mathbf{r}_{s,n}^{l}= \sigma\left(\mathbf{W}_{r}^{l} [\mathbf{h}_{s,n-1}^{l},\mathbf{x}_{s,n}^{l}]\right) \]

Güncelleme qapistilik:

\[ \mathbf{u}_{s,n}^{l}= \sigma\left(\mathbf{W}_{u}^{l} [\mathbf{h}_{s,n-1}^{l},\mathbf{x}_{s,n}^{l}]\right) \]

Aday gizli durum:

\[ \widetilde{\mathbf{h}}_{s,n}^{l}= \tanh\left(\mathbf{W}_{h}^{l} [\mathbf{r}_{s,n}^{l}\odot\mathbf{h}_{s,n-1}^{l}, \mathbf{x}_{s,n}^{l}]\right) \]

Yeni gizli durum:

\[ \mathbf{h}_{s,n}^{l}= (1-\mathbf{u}_{s,n}^{l})\odot\mathbf{h}_{s,n-1}^{l} +\mathbf{u}_{s,n}^{l}\odot\widetilde{\mathbf{h}}_{s,n}^{l} \]

σ sigmoid fonksionunu, tanh hiperbolik tanjantı, köşeli parantez vektör birləşdirməyi və ⊙ eleman bazlı çarpmayı göstərir. İlk GRU qatının girdisi SOH dəyəridir; üst qatların girdisi bir əvvəlki qatın gizli durumudur.

Tədqiqatın basılı tənliklerinde aday gizli durum ilə güncellenmiş gizli durum üçün eyni h sembolü kullanılmış görünmektedir. Yuqarıdaki tilde işareti, mətndeki sözlü diaqnozma uygun biçimde iki kavramı ayırt etmek amacıyla göstərilmişdir; özgün gösterimde bu ayrım açık değildir.

Olasılıksal gizil təmsil nasıl oluşturulmaktadır?

Son GRU qatındaki gizli durum, iki tam keçidlı şəbəkə aracılığıyla gizil Gauss dşəbəkəılımının ortalama və varyansına dönüştürülmektedir:

\[ \boldsymbol{\mu}_{s,n}=FC_{\mu}(\mathbf{h}_{s,n}^{L}) \]

\[ \boldsymbol{\sigma}_{s,n}^{2}=FC_{\sigma}(\mathbf{h}_{s,n}^{L}) \]

Gizil vektör yenidən parametrləşdirmə üsuluyle nümunəlenmektedir:

\[ \mathbf{z}_{s,n}= \boldsymbol{\mu}_{s,n} +\boldsymbol{\sigma}_{s,n}^{2}\odot\boldsymbol{\epsilon}, \qquad \boldsymbol{\epsilon}\sim\mathcal{N}(\mathbf{0},\mathbf{I}) \]

Bu nümunəleme, modelin mənbə dizinin gizil təmsilindeki məlumat qeyri-müəyyənliyini ifade etmesini amaçlamaktadır. Bütün zaman addımlarındaki vektörler birləşdirildiyinde:

\[ \mathbf{Z}_s= (\mathbf{z}_{s,1},\mathbf{z}_{s,2},\ldots,\mathbf{z}_{s,N}) \]

dizisi elde edilmektedir.

Gösterim notu: Denklemde birbaşa varyans kimi diaqnozmlanan σ² nümunəleme katsayistilik kimi kullanılmaktadır. Değişimsel modellerde çoğunlukla standart sapma və ya log-varyanstan türetilmiş standart sapma kullanılır. Tədqiqat, burada varyans sembolünün standart sapmayı mı temsil ettiğini və ya qarekök işleminin başka bir aşamada strukturlıp strukturlmadığını açıklamamaktadır. Bu nedenle tətbiq ayrıntistilik mətn üzərindən kesinleştiriləmemektedir.

Koşul kodlayıcı mənbə və hədəf şərtları nasıl müqayisəktadır?

Koşul kodlayıcı, ham temperatur və elektriksel faktörleri birbaşa şəbəkəa vermek yerine fizik esinli özellik genişletmesi tətbiqktadır.

Sıcaklık faktörlerinin genişletilmesi

Sıcaklık üçün üç təməl terim ailəsi istifadə edilmişdir:

• Ham mənbə və hədəf temperatur dəyərləri,
• Arrhenius benzeri exp(−1/c) terimleri,
• (1/c)exp(−1/c) biçimindeki bilhədd terimler.

Her ailə üçün mənbə və hədəf dəyərlərin ayrı terimleri ilə çarpım və nisbət gibi etgiləşim terimleri hesablanmışdır. Böylece temperatur faktörü 12 boyutlu bir gösterime genişletilmiştir.

Elektriksel faktörlerin genişletilmesi

DOD, SOC, şarj nisbəti və ya deşarj nisbəti gibi elektriksel faktörler üçün:

• Ham dəyərler,
• Karekök və ya 0,5 kuvvet terimleri,
• Kare və ya 2. kuvvet terimleri,
• Qaynaq–hədəf çarpım və nisbət etgiləşimleri

kullanılmış və her faktör 12 boyuta çıqarılmıştır.

Genişletilmiş xüsusiləre çevrim sayistilik n eklenmiş, her şərt faktörü bşəbəkəımsız bir tam keçidlı dalda işlenmiştir. Faktöre özgü dallar daha sonra ortak bir şəbəkəda birleştirilmiştir:

\[ \mathbf{z}_{s\rightarrow t,n}= FC_{\mathrm{shared}}\left( [ FC_{\mathrm{branch}\,1}([\mathbf{c}_{st}^{1},n]), \ldots, FC_{\mathrm{branch}\,M}([\mathbf{c}_{st}^{M},n]) ] \right) \]

Bu struktur, əvvəl temperatur və ya şarj nisbəti gibi her faktörün etkisini ayrı öğrenmek, ardından faktörler arasındaki birlhədd etgiləri ortak qatda modellemek amacıyla tasarlanmıştır.

Gizil mənbə eğrisi hədəf şərta nasıl dönüştürülmektedir?

Qaynaq gizil vektorü ilə şərt çevrilmə vektörü her zaman addımında eleman bazlı çarpılmaktadır:

\[ \mathbf{z}_{t,n}= \mathbf{z}_{s\rightarrow t,n} \odot \mathbf{z}_{s,n} \]

Bu işlem, ortaq gizil pozulma şablonunun hədəf şərta görə fərqli boyutlarda büyütülmesi, küçültülmesi və ya yönlendirilmesi kimi düşünülebilir. Tədqiqatçıların gizil uzay görselleştirmeleri bu çevrilməü “anizotrop miqyaslama” kimi yorumlamaktadır.

Dizi dekoder hangi çıktıları üretməktedir?

Dönüştürülmüş gizil vektor, tam keçidlı dekoder tarafından hədəf SOH dəyəri və o dəyərin Gauss varyansına dönüştürülmektedir:

\[ [\widehat{SOH}_{t,n}, \sigma_{\widehat{SOH}_{t,n}}^{2}] = D(\mathbf{z}_{t,n}) \]

SOH ortalama proqnozu, hədəf şərtdaki beklenen sşəbəkəlık eğrisini məlumatr. Çözücü varyansı isə eyni gözlenen giriş şərtlərı altında pozulma müddətcinin məlumat qaynaqlı və ya aleatorik belirsizliğini temsil etmek üzere istifadə edilmişdir.

Birincil görəv özet kimi:

\[ \widehat{\mathbf{SOH}}_t= D\left[ S(\mathbf{SOH}_s) \odot C(\mathbf{c}_s,\mathbf{c}_t) \right] \]

şeklinde yazılmıştır.

Yardımcı dinamik görəvi ne yapmaktadır?

Ana model yüksek dəqiqlikla bir eğri üretse bilə, eğrinin batareya pozulmasının zamanla bşəbəkəlı strukturuyla uyumlu olması lazımdır. Tədqiqatçılar bu amaçla, SOH’nin çevrim sayistilikna görə değişim sürətinı proqnoz eden seyrək keçidlı bir şəbəkə kullanmıştır:

\[ \frac{\partial\mathbf{SOH}_t}{\partial n} = R(\boldsymbol{\Phi}_R;\boldsymbol{\Theta}_R) \]

Dinamik aday kümesi:

\[ \boldsymbol{\Phi}_R= \left\{ n, \mathbf{c}_t, \mathbf{SOH}_t, \frac{\partial\mathbf{SOH}_t}{\partial\mathbf{c}_t} \right\} \]

kimi diaqnozmlanmıştır. Hedef şərtləra görə birinci dərəcəden SOH həssaslıqları:

\[ \frac{\partial\mathbf{SOH}_t}{\partial\mathbf{c}_t} = \left( \frac{\partial\mathbf{SOH}_t}{\partial c_t^1}, \frac{\partial\mathbf{SOH}_t}{\partial c_t^2}, \ldots, \frac{\partial\mathbf{SOH}_t}{\partial c_t^M} \right) \]

biçimindedir.

Bu aday küme dört tür bilgiyi tpeyəndmaktadır:

• Çevrim sayistiliknın etkisi,
• Hedef işləmə şərtinun etkisi,
• Mevcut SOH düzeyine bşəbəkəlı pozulma,
• SOH’nin şərt amillərine yerli duyarlılığı.

Birincil və yardımçı vəzifə arasındaki keçid, üretkən modelin çevrim türevinin dinamik tənzimləyicinin çıktistilikyla uyumlu tutulmasıdır:

\[ \frac{\partial D[S(\mathbf{SOH}_s)\odot C(\mathbf{c}_s,\mathbf{c}_t)]}{\partial n} = R\left( n, \mathbf{c}_t, D[S(\mathbf{SOH}_s)\odot C(\mathbf{c}_s,\mathbf{c}_t)], \frac{\partial D[S(\mathbf{SOH}_s)\odot C(\mathbf{c}_s,\mathbf{c}_t)]} {\partial\mathbf{c}_t} \right) \]

Dinamik düzenleyici boyutlarındaki açıklanmayan fark

Aday kümenin yazılı diaqnozmı 2M+2 giriş komponenti üretməktedir. Birinci məlumat kümesinde beş şərt faktörü bulunduğundan bu sayı 12, ikinci məlumat kümesinde dört faktör bulunduğundan 10 olmalıdır. Hiperparametre cədvəllarında dinamik tənzimləyicinin giriş boyutları ardıcıllıqsıyla 13 və 11 kimi məlumatlmiştir. Fazladan bir girdinin ne olduğu açıklanmamıştır.

Model hangi itgilarla eğitilmiştir?

1. Gauss mənfi log-ehtimal kaybı

Tahmin xətası, modelin öngördüğü varyansla birlikte dəyərləndirilmişdir:

\[ \mathcal{L}_{NLL} = \frac{1}{N} \sum_{n=1}^{N} \left[ \frac{(SOH_{t,n}-\widehat{SOH}_{t,n})^2} {2\sigma_{\widehat{SOH}_{t,n}}^2} + \frac{1}{2} \log\sigma_{\widehat{SOH}_{t,n}}^2 \right] \]

İlk terim xətayı cezalandırır. İkinci terim, modelin xətayı gizləməek üçün varyansı sınırsız büyütmesini engeller.

2. Eğri biçimi kaybı

Üretilən və gerçek SOH diziləri arasındaki Pearson korrelyasiyasınun yüksek olması teşvik edilmiştir:

\[ \mathcal{L}_{shape} = 1-\rho( \mathbf{SOH}_t, \widehat{\mathbf{SOH}}_t ) \]

Bu itki, tek tek noktaların yanı ardıcıllıq genel eğri biçiminin korunmasını hədəflər.

3. Monotonluk kistiliktı

SOH’nin genel kimi dövrlərle azalması beklendiğinden, artış gösteren ardıcıl proqnozler cezalandırılmıştır:

\[ \mathcal{L}_{mono} = \frac{1}{N-1} \sum_{n=1}^{N-1} ReLU( \widehat{SOH}_{t,n+1} - \widehat{SOH}_{t,n} ) \]

Bu itki yerli ölçmə dalğalanmalarını bütünüyle yasaklamaktan ziyade, modelin genel kimi müddətkli yükselen fizik dışı bir sşəbəkəlık eğrisi üretmesini sınırlamayı amaçlamaktadır.

4. Gizil uzay düzenliləştirmesi

Gizil dşəbəkəılımın standart Gauss dşəbəkəılımından peyəndrı uzaklaşmaması üçün Kullback–Leibler kaybı istifadə edilmişdir:

\[ \mathcal{L}_{KL} = \frac{1}{2N} \sum_{n=1}^{N} \left( \boldsymbol{\mu}_{s,n}^{2} + \boldsymbol{\sigma}_{s,n}^{2} - \log\boldsymbol{\sigma}_{s,n}^{2} - \mathbf{1} \right) \]

Bu struktur, şərtlər arasında daha düzgün və müddətkli çevrilməler strukturlabilən bir gizil uzay oluşturmayı hədəfləyir.

5. Dinamik proqnoz kaybı

Üretilən SOH dizisinin gerçek türevi ilə yardımcı şəbəkəın öngördüğü dinamik arasındaki fark:

\[ \mathcal{L}_{dyn} = \left\| \frac{\partial\widehat{\mathbf{SOH}}_t}{\partial n} - R(\boldsymbol{\Phi}_R;\boldsymbol{\Theta}_R) \right\|_2^2 \]

ilə ölçülmüşdür.

6. Seyreklik kaybı

Dinamik şəbəkədaki gereksiz keçidların sıfıra yaklaşması üçün:

\[ \mathcal{L}_{sparse} = \|\boldsymbol{\Theta}_R\|_1 \]

istifadə edilmişdir. L1 düzenliləştirme, daha az sayıda baskın dinamik ilişkinin korunmasını amaçlamaktadır.

Toplam itki

Bütün komponentlər şu məqsəd funksiyasında birleştirilmiştir:

\[ \mathcal{L}_{total} = \mathcal{L}_{NLL} + \lambda_{shape}\mathcal{L}_{shape} + \lambda_{mono}\mathcal{L}_{mono} + \lambda_{KL}\mathcal{L}_{KL} + \lambda_{dyn}\mathcal{L}_{dyn} + \lambda_{sparse}\mathcal{L}_{sparse} \]

Eğitim nümunələri nasıl yaradılmışdır?

K adet mənbə şərti varsa, her mənbə şərtiun diğer her şərta çevrilməsiyle K² təlim cüti yaradılmışdır. Bir təlim örneğinin girdisi:

\[ \mathbf{SOH}_{s_i}, \mathbf{c}_{s_i}, \mathbf{c}_{s_j} \]

və hədəf çıktistilik:

\[ \mathbf{SOH}_{s_j} \]

kimi diaqnozmlanmıştır. Başka bir ifadeyle model, təlim ardıcıllıqsında bilinen şərtlər arasındaki bütün yönlü çevrilməleri öğrenmektedir.

İki eğrinin uzunluğu fərqli olduğunda ortak uzunluk:

\[ N=\min(N_i,N_j) \]

kimi alınmıştır. Mini grup üçünde daha kısa dizilər sıfırlarla doldurulmuş və maskalama tenzoru bu yapay sıfırların itki hesabına katılmasını engellemiştir.

Model təlimi və üretkən proqnoz axınşı

Şegil 2, tətbiqyı dört aşamada göstərir:

1. Veri hazırlama: SOH eğrilərinin yumuşatılması və anormal bölümlerin çıqarılması,
2. Eğitim cüti oluşturma: Qaynaq və hədəf şərt cütlerinden K² nümunə üretilmesi,
3. Model təlimi: Optuna ilə hiperparametr seçimi və Adam ilə toplam kaybın küçültülmesi,
4. Üretken proqnoz: Birden fazala mənbə şərti və rastlantısal nümunəlemeden hədəf eğrilərin üretilmesi.

Her mənbə şərti üçün gizil paylanmadan S kez nümunə alınmakta, toplam K×S hədəf eğri oluşturulmaktadır. Nihai proqnoz bunların ortalamasıdır:

\[ \widehat{\mathbf{SOH}}_t = \frac{1}{KS} \sum_{i=1}^{K} \sum_{s=1}^{S} \widehat{\mathbf{SOH}}_t^{(i,s)} \]

Üretilən eğrilərin 2,5 və 97,5 yüzdəlikləri, tədqiqatda %95 etibar aralığı kimi adlandırılan qeyri-müəyyənlik zolşəbəkəını yaratmaqtadır. Bu bant, klasik anlamda yalnızca parametre etibar aralığı değil; gizil nümunəleme və dekoder varyansından gelen proqnoz dşəbəkəılımını da içeren üretkən bir qeyri-müəyyənlik aralığıdır.

Birinci məlumat kümesi hangi batareyaları içermektedir?

Birinci durum tədqiqatsı, daha əvvəl yayımlanmış 60 adet Sony Murata US18650VTC5A hüceyrəye dayanmaktadır. Hücreler:

• Nikel-kobalt-alüminium oksit (NCA) katod kimyasına,
• 2,5 Ah nominal tutumye,
• 60 fərqli sabit işləmə şərtina

sahiptir. SOH her 50 ekvivalent tam çevrimde ölçülmüşdür.

İncelenen şərt amilləri:

• Sıcaklık,
• Deşarj derinliği (DOD),
• Ortalama doluluq durumu (SOC_mean),
• Şarj nisbəti,
• Deşarj nisbətidır.

Deney uzunlukları 96 ilə 3773 ekvivalent tam çevrim arasında değişmiştir. 500 çevrimden kısa 15 dizi çıqarılmış və 45 ayrı şərtdaki 45 hüceyrə dəyərləndirməde tutulmuştur.

Birinci məlumat kümesinde təlim və test ayrımı

45 şərt:

• 30 təlim,
• 10 doğrulama,
• 5 test şərti

kimi ayrılmışdır. Beş bşəbəkəımsız derütubəte strukturlmış və test şərtlərı derütubəteler arasında değiştirilmiştir. Böylece nəticələrin tek bir şanslı şərt ayrımına bşəbəkəlı olması azaltılmaya çalışılmıştır.

Birinci məlumat kümesi üçün seçilən təməl hiperparametrler

Başarım ölçütleri

Ortalama mutlak xəta:

\[ MAE= \frac{1}{N} \sum_{n=1}^{N} |SOH_{t,n}-\widehat{SOH}_{t,n}| \]

kimi hesablanmışdır. Bu dəyər, bütün çevrim noktalarındaki ortalama mutlak SOH sapmasını məlumatr.

En böyük mutlak xəta:

\[ maxAE= \max_{n=1,\ldots,N} |SOH_{t,n}-\widehat{SOH}_{t,n}| \]

isə eğrinin herhangi bir noktasındaki en kötü proqnoz xətasını gösterir.

Çıqarım təcrübələri hangi komponentlərin töhfəsinı göstərir?

Üç çıqarılmış model yaradılmışdır:

• M1: Birincil üretkən görəv korunmuş, yardımcı dinamik görəvi çıqarılmıştır.
• M2: Birincil üretkən görəv BPNN ilə değiştirilmiş, yardımçı vəzifə saxlanmışdır.
• M3: BPNN tabanlı təməl model kullanılmış, yardımçı vəzifə də çıqarılmıştır.

Birinci məlumat kümesindeki çıqarım nəticələri

Birincil üretkən görəv tek bpeyəndna böyük kazanım sşəbəkəlamıştır. Yardımcı dinamik görəvi, M1’den tam modele geçişte ortalama xətayı daha da düşürmüştür. Lakin cütləşdirilmiş t-testinde tam model ilə M1 arasındaki fark p=0,3016 ilə 0,05 eşiğinde əhəmiyyətli değildir. Tam model M2’den p=0,0160, M3’ten isə p=0,0021 dəyəriyle əhəmiyyətli derecede daha iyi bulunmuştur.

Bu nedenle birinci məlumat kümesi üçün “yardımçı vəzifə kesin kimi əhəmiyyətli iyiləştirme sşəbəkəlamıştır” demek doğru değildir. Ortalama dəyərlerde iyiləşme vardır; lakin test şərtlərı arasındaki değişkenlik diqqəte alındığında M1’e qarşı fark statistik olaraq təsdiqlənməmişdir.

Mevcut operasyon-məlumatsiz üsullerle müqayisə

Üç üsul müqayisə üçün tətbiq edilmişdir:

• GPR-M32: Anizotropik Matérn 3/2 nüvəli Gauss proses regresiyası,
• GPR-COM: Bilhədd nüvəli Gauss proses regresiyası,
• SVR: Destek vektör regresyonu.

Birinci məlumat kümesindeki üsul müqayisəsı

En iyi müqayisə üsulu GPR-M32’ye görə tam modelin ortalama MAE azalması %31,03, maxAE azalması %35,25’tir. Eşleştirilmiş testlerde önerilən üsul GPR-M32’den p=0,0150, GPR-COM’dan p=0,0182 və SVR’den p=0,0001 dəyəriyle əhəmiyyətli derecede daha iyi bulunmuştur.

Şegil 7’də GPR üsullerinin xüsusilə pozulmanın iləri aşamalarında, SVR’nin isə bazı şərtlərda erken və orta dövrlərde gerçek eğriden ayrıldığı görülmektedir. Şegil 9’daki gerçek–proqnoz saçılımında önerilən modelin noktaları sıfır xəta çizgisi çevresinde daha sıkı toplanmıştır.

Gizil uzay analizi ne göstərir?

Şegil 10’da gizil vektorler əsas komponent analiziyle iki boyuta reduktormiştir. Qaynaq şərtlərdan gelen eğrilər, fərqli operasyon şərtlərına rşəbəkəmen sıkı bir ortak yol çevresinde toplanmıştır. Noktaların rengi SOH düzeyine görə düzenli biçimde değişmiş və gizil yol boyunca pozulmanın yönü saxlanmışdır.

Tədqiqatçılar bu strukturyı, dizi kodlayıcının fərqli görünen SOH eğrilərini ortak bir “pozulma biçimi şablonuna” sıkıştırdığı şeklinde yorumlamaktadır.

Hedef şərt çevrilməünden sonra:

• Hedef gizil eğrilər mənbə bölgeden uzaklaşmış,
• Farklı hədəf şərtlar birbirinden ayrılmış,
• Eğrilərin yönü və ölçeği şərta görə değişmiş,
• Buna rşəbəkəmen eğrilər müddətkli və benzer pozulma yönlerini qorumuşdur.

Bu görsel nəticələr, şərt kodlayıcının tek bir sabit kaydırma değil; gizil uzayın fərqli boyutlarını şərta görə fərqli nisbətlarda değiştiren anizotrop bir modulasyon öğrendiği yorumunu destoynaqektedir. PCA görselleştirmesi mekanizmaya ilişkin açıklayıcı kanıt təqdim edir; lakin tek bpeyəndna modelin elektrokimyəvi mekanizmayı öğrendiğini sübut etmir.

İkinci məlumat kümesi neden mühümdir?

İkinci durum tədqiqatsı, üsulun fərqli hüceyrə kimyası və pozulma biçimina aktarılabilirliğini dəyərləndirmək üçün tədqiqatçıların kendi çevrim təcrübələrinden yaradılmışdır.

Veri kümesi:

• 20 adet litium-kobalt oksid (LCO) katodlu hüceyrə,
• 5,5 Ah nominal tutum,
• 20 fərqli işləmə şərti,
• Her 50 ekvivalent tam çevrimde SOH ölçməü

içermektedir.

Koşul faktörleri:

• 20–40 °C temperatur,
• 1 C–2 C şarj nisbəti,
• 4,41–4,50 V yuxarı kəsmə gərginliyi,
• 3,0–3,2 V aşşəbəkəı kəsmə gərginliyidir.

Birinci məlumat kümesindeki NCA hüceyrələrde deqradasiya sürəti dövrlərle yavaşlama eğilimi gösterirken, LCO hüceyrələrde təxminən doğrusal pozulma və ya iləri dövrlərde sürətlanan tutum kaybı görülmüştür. İkinci məlumat kümesinin daha kiçik olması üsulu daha zorlu bir genelleme sınavına sokmuştur.

İkinci məlumat kümesindeki təcrübə düzeni

20 şərt:

• 12 təlim,
• 4 doğrulama,
• 4 test

kimi ayrılmış və bütün şərtlərın testte yer alabilmesi üçün beş derütubəte strukturlmıştır.

İkinci məlumat kümesinin çıqarım nəticələri

İkinci məlumat kümesinde tam model, M1’den p=0,0288, M2’den p=0,0048 və M3’ten p=0,0067 dəyəriyle əhəmiyyətli derecede daha iyi bulunmuştur. Burada yardımcı dinamik görəvinin sşəbəkəladığı ek töhfə, birinci məlumat kümesinin aksine statistik olaraq desteklenmiştir.

İkinci məlumat kümesindeki üsul müqayisəsı

GPR-M32’ye görə ortalama MAE %35,90, maxAE %30,43 azalmışdır. Önerilən model; GPR-M32’den p=0,0322, GPR-COM’dan p=0,0262 və SVR’den p=0,0140 dəyəriyle əhəmiyyətli derecede daha iyi nəticə vermiştir.

Tədqiqatın güclü yönleri nelerdir?

• Hedef şərtdan erken çevrim operasiya məlumatsi gerektirmeyen açık bir problem diaqnozmlaması yapması,
• Noktasal SOH regresyonu yerine tam pozulma dizisini üretmesi,
• Bilgi belirsizliği ilə məlumat qaynaqlı belirsizliği eyni üretkən müddətçte ele alması,
• Qaynaq–hədəf şərt ilişgiləri üçün fizik esinli özellik genişletmesi kullanması,
• Birincil üretkən görəv ilə dinamik tənzimləyicinin töhfəlarını ayrı ayrı sınaması,
• Farklı katod kimyalarına və fərqli pozulma eğrilərine sahip iki məlumat kümesi kullanması,
• Tek bir məlumat ayrımı yerine beş ayrı derütubəte gerçekleştirmesi,
• Karşılaştırmaları yalnız ortalama xəta üzərindən değil, maxAE, xəta dşəbəkəılımları və eşleştirilmiş t-testləriyle destoynaqesi,
• Gizil uzay və şərtlər arası çevrilməü görselleştirerek modelin iç strukturuna ilişkin yorum sunması.

Tədqiqatın məhdudlıkları nelerdir?

• Tədqiqat rəyçi qiymətləndirməsindən keçməmiş preprintdir.
• Her batareya yalnızca sabit bir işləmə şərti altında çevrilmiştir; zamanla değişen gerçek sürüş və şarj profilleri modellenmemiştir.
• İlk məlumat kümesinde kısa təcrübələr çıqarılmıştır; bu ön işleme qararının fərqli məlumat dşəbəkəılımlarındaki etkisi gösterilmemiştir.
• Her işləmə şərtinda çoğunlukla tək hüceyrə bulunmaktadır; eyni şərtdaki hüceyrələr arası istehsal değişkenliği məhdud biçimde temsil edilmiştir.
• İki məlumat kümesi yalnız NCA və LCO kimyalarını kapsamaktadır; LFP, NMC, silikon qatqılı anod və ya yeni nesil kimyalar üzərində nəticə bulunmamaktadır.
• Modelin hədəf şərt amillərinin təlim aralığının çox dışına ne ölçüde inamılir biçimde ekstrapolasyon yaptığı ayrıntılı kimi ayrıştırılmamıştır.
• SOH diziləri təlim əvvəlsinde yumuşatılmış və anormal bölümler çıqarılmıştır; ham sensor səs-küysü və sahə məlumatsi üzərindəki dayanıklılık sınanmamıştır.
• Model fizik esinli xüsusilər kullanmaktadır lakin elektrokimyəvi korunum tənlikleri və ya mekanistik yaşlanma modeliyle birbaşa sınırlandırılmamıştır.
• Birinci məlumat kümesinde tam model ilə yalnız birincil görəvi kullanan M1 arasındaki fark statistik olaraq əhəmiyyətli değildir.
• Yeniden parametreleştirme tənlikindeki varyans–standart sapma gösterimi və dinamik tənzimləyici giriş boyutları tam kimi açıklanmamıştır.
• Hesaplama müddəti, təlim maliyeti, gömülü batareya idarəetmə dumantemi tətbiqsı və ya çevrim təcrübəsi planlamasında gerçek zaman tasarrufu nicel kimi ölçülmemiştir.

Tədqiqat neyi destoynaqektedir?

• Test edilən məlumat kümelerinde, mənbə SOH eğriləri və şərt amilləri istifadə edilərək görülmemiş hədəf şərtlar üçün tam SOH eğriləri üretiləbilmiştir.
• Koşullu dəyişimsəl seq2seq struktur, geleneksel şərt–SOH regresyonundan daha düşük xəta sşəbəkəlamıştır.
• Dinamik düzenleyici ortalama xətayı her iki məlumat kümesinde azaltmışdır; töhfəsi ikinci məlumat kümesinde statistik olaraq əhəmiyyətlidır.
• Model iki fərqli batareya kimyasında və fərqli pozulma morfologiyalerinde en iyi müqayisə üsulunden daha düşük xəta üretmiştir.
• Gizil uzay analizi, fərqli mənbə eğrilərinin ortak bir temsil üzərində toplanabildiğini və hədəf şərtların ayırt ediləbilir çevrilməler oluşturduğunu göstərmişdir.

Tədqiqat neyi sübut etmir?

• Hedef şərt hakkında hiçbir bilgi olmadan batareya ömrünün proqnoz ediləbiləceğini sübut etmir.
• Qaynaq şərt çevrim təcrübələrine artık ihtiyaç olmadığını göstermemektedir.
• Modelin bütün batareya kimyaları, üreticilər və hüceyrə biçimleri üçün eyni doğruluğu sşəbəkəlayacşəbəkəını göstermemektedir.
• Gerçek araç sürüşü, sürətli temperatur değişimi, dinamik şarj gücü və ya saha yaşlanması altında doğrulama sunmamaktadır.
• Üretilən qeyri-müəyyənlik aralığının bütün bilinmeyen şərtlərda statistik olaraq doğru kapsama nisbətina sahip olduğunu sübut etmir.
• Modelin elektrokimyəvi pozulma mekanizmalarını birbaşa keşfettiğini və ya nedensel kimi açıkladığını göstermemektedir.
• Batareya inamliğinin, dövr ömrünün və ya ekonomik geliştirme müddətinin tətbiqda kesin kimi iyiləştiğini sübut etmir.

Tədqiqatın Yöntemi və Bulguları

Yöntem özeti

Veri kümelerinin qarşılaştırılması

Ana sayısal nəticələr

İki məlumat kümesinde də önerilən üsul ən aşşəbəkəı ortalama MAE dəyərini sşəbəkəlamıştır. Bununla belə yalnızca ortalama kazanımlara bakmak yetərli değildir. Birinci məlumat kümesinde yardımcı dinamik görəvinin sşəbəkəladığı ek kazanç statistik olaraq doğrulanmazken ikinci məlumat kümesinde təsdiqlənmişdir. En güclü və iki məlumat kümesinde ortak biçimde desteklenen nəticə, şərtlu üretkən birincil görəvin basit BPNN tabanlı regresyona görə böyük xəta azalması sşəbəkəlamasıdır.

Şegil və qrafiklerin təməl mesajları

• Şegil 1: Qaynaq SOH dizisinin GRU kodlayıcıdan ortaq gizil uzaya, şərt kodlayıcıdan hədəf çevrilmə siqnalıne və dekoderden hədəf SOH eğrisine geçişini göstərir. Yardımcı dinamik şəbəkəı, üretilən dizinin türevini düzenlemektedir.
• Şegil 2: Veri hazırlama, K² şərt cüti oluşturma, maskaleme, hiperparametr seçimi, model təlimi və çoxlu nümunəlemeli proqnoz müddətcini bütünlhədd kimi göstərir.
• Şegil 4: Tam modelin üç test şərtinda gerçek deqradasiya əyrisini çıqarılmış modellerden daha yaxınndan izlediğini göstərir.
• Şegil 5 və Şegil 12: Tam model ilə M1’in xəta dşəbəkəılımlarının sıfır çevresinde daha dar, M2 və M3’ün daha geniş və uzun kuyruklu olduğunu göstərir.
• Şegil 6 və Şegil 9: Tam modelin gerçek və proqnoz SOH dəyərlərini sıfır xəta çizgisine yaxınn tuttuğunu, müqayisə üsullerinin xüsusilə düşük və ya orta SOH bölgelerinde daha fazala saçıldığını göstərir.
• Şegil 7: GPR üsullerinin iləri pozulmada, SVR’nin bazı şərtlərda erken və orta dövrlərde dumantematik sapma geliştirdiğini göstərir.
• Şegil 10: Farklı mənbə şərtiların ortaq gizil manifold üzərində toplandığını, hədəf şərt çevrilməlerinin isə ayrışmış lakin müddətkli yollar oluşturduğunu göstərir.
• Şegil 13: İkinci məlumat kümesinde önerilən üsulun daha düşük ortalama xəta və daha dar xəta dşəbəkəılımı sşəbəkəladığını göstərir.

Uygulama açistilikndan yorum

Model, batareya geliştirme müddətcinde bütün şərtlərı uzun çevrim testine sokmadan əvvəl hangi temperatur, C nisbəti və ya gərginlik sınırı kombinasyonlarının daha sürətli pozulma gösterebiləceğini proqnoz etmek üçün kullanılabilir. Böyle bir kullanımda model, fiziksel təcrübələrin yerine geçen son qarar aracı değil; pahalı təcrübələri əvvəlliklendiren bir tarama və hipotez üretme aracı kimi dəyərlendirilmelidir.

Şarj protokolü geliştirmede model, daha əvvəl denenmiş protokollerin SOH eğrilərini yeni bir protokolün şərt amillərine dönüştürerek uzun müddətli pozulma hakkında erken proqnoz sşəbəkəlayabilir. Bunun üçün yeni hədəf şərtun təlim məlumatsindeki şərtlərla yetərli ilişkisi bulunmalı və nəticələr fiziksel hüceyrə testləriyle doğrulanmalıdır.

Mənbə və Metod Qeydi

Tədqiqatın tam özgün adı: Cross-condition generative prediction of lithium-ion battery health degradation without operational data

Yazarlar: Cong Wang; Jiawei Zheng; Yunxia Chen.

Yazar ardıcıllıqlaması: Yuqarıdaki liste özgün tədqiqatdaki ardıcıllıqyı korumaktadır.

Eş birinci müəllif: Tədqiqatda eş birinci müəllif və ya bərabər töhfə bilgisi yer almamaktadır.

Sorumlu müəllif: Yunxia Chen.

Kurumlar: School of Reliability and Systems Engineering, Beihang University; State Key Laboratory of Advanced Forming Technology & Equipment; Department of Systems Engineering, City University of Hong Kong.

DOI: 10.2139/ssrn.6934912

Dergi: Hakemli bir jurnal nəşrı bu sürüm üzərindən təsdiqlənməmişdir.

Yayın platformau: SSRN.

Yayınevi bilgisi: Tədqiqat hakemli bir jurnal nəşriyyatnce yayımlanmış sürüm kimi sunulmamaktadır. SSRN, Elsevier bünyesinde işletilən preprint hizmetidir.

Yayın yılı: 2026.

Platforma yüklenme tarihi: SSRN kaydında 13 Haziran 2026 kimi belirtilmektedir.

Qaynaq türü: Üretken mpeyəndn öyrənməsi üsulu geliştiren və iki eksperimental batareya yaşlanma məlumat kümesi üzərində doğrulama yapan preprint araşdırma makalesi.

Hakemlik durumu: Bu tədqiqat rəyçi qiymətləndirməsindən keçməmişdir. Bulgular, bşəbəkəımsız bilimsel hakemlikten geçmiş son nəşr sürümü gibi dəyərlendirilmemelidir.

Resmî tədqiqat keçidsı:SSRN 6934912 tədqiqat sayfası

DOI keçidsı:10.2139/ssrn.6934912

Bu Verianla içeriği, yüklenen tədqiqatın problem diaqnozmı, model mimarisi, 28 numaralı matematiksel ifadesi, məlumat hazırlama müddətci, şərt amilləri, hiperparametr cədvəlları, çıxarma təcrübələri, üsul müqayisəları, istatistiksel testləri və gizil uzay görselleştirmeleri incelenerek hazırlanmışdır. Bilimsel nəticələra dış mənbəlardan yeni tapıntı eklenmemiştir. Dış doğrulama yalnız DOI, platforma, tarih və hakemlik durumu gibi bibliyoqrafik alanlar üçün istifadə edilmişdir.

Tədqiqatın “operasiya məlumatsi olmadan” ifadesi, hədəf şərtda ölçülmüş erken çevrim və ya real zamanlı şarj-deşarj məlumatsi gerekmemesi anlamındadır. Yöntem; mənbə şərtilara ait tam SOH pozulma dizilərine, mənbə şərt amillərine və hədəf şərt amillərine ihtiyaç duymaktadır.

Sonuçların təməl sınırları; sabit laboratoriya tədqiqat şərtlərı, iki batareya kimyası, eyni şərtdaki məhdud hüceyrə tekrarı, yumuşatılmış SOH diziləri, dinamik real istifadə profillerinin incelenmemesi və gerçek batareya idarəetmə dumantemi üzərində çevrim içi doğrulama bulunmamasıdır. Tədqiqat fiziksel batareya testlərinin kaldırılmasını, real istifadə inamliğini və ya kommersiya geliştirme müddətindeki tasarrufu birbaşa sübut etmir.

Metindeki yenidən parametrləşdirmə tənlikinde varyans ilə standart sapma arasındaki gösterim və yardımcı dinamik şəbəkəının giriş boyutları tam kimi açıklanmamıştır. Birinci məlumat kümesinde yardımçı vəzifəin kaldırıldığı M1 ilə tam model arasındaki ortalama xəta farkı statistik olaraq əhəmiyyətli değildir; bu nəticə makalenin tamamlayıcı görəvle ilgili genel iddiası dəyərlendirilirken diqqəte alınmalıdır.