Бул изилдөө литий-ион батареяларынын заряд абалын (State of Charge, SOC) кеңири жана убакыт боюнча өзгөрүп турган температура шарттарында онлайн баалоо үчүн Temperature-Gated Causal Multi-Scale Physics-Informed Network (TGCM-PINet) деп аталган нейрондук тармак архитектурасын иштеп чыгат. Модель чыңалууну, токту, уячанын бетинин температурасын жана айлана-чөйрөнүн температурасын келечектеги үлгүлөрдү колдонбостон, учурдагы жана мурунку үлгүлөргө гана таянган себептик жылма орточолор аркылуу үч убакыт масштабына бөлөт, ар бир масштабды өз алдынча параметрлери бар убакыттык конволюциялык тармактын (TCN) бутактарында иштетет, температуралык контекстке жараша бул бутактардын салымдарын динамикалык түрдө салмактайт жана эки катмарлуу GRU аркылуу узак мөөнөттүү SOC траекториясын баалайт. Panasonic NCR18650PF маалыматтарында мурда көрүлбөгөн Cycle 4 жана LA92 профилдери үчүн орточо MAE тиешелүүлүгүнө жараша 0,476 жана 0,370 пайыздык пункт деп билдирилген. −20→10 °C жана 10→25 °C үзгүлтүксүз температура өтүүлөрүндө эң күчтүү салыштыруу моделине карата MAE тиешелүүлүгүнө жараша %42,6 жана %50,6 азайган. Samsung 30T маалыматтары менен кайра үйрөтүлүп жүргүзүлгөн тышкы текшерүүдө −20 менен 40 °C аралыгындагы сыноолордун орточо MAE мааниси 0,815 пайыздык пункт болгон. Бирок жыйынтыктар колдонулган маалымат топтомдору жана сыноо протоколдорунун чегинде гана жарактуу; изилдөө реалдуу автоунаа паркында талаа ийгилигин, эскирген уячаларда ушундай эле натыйжалуулукту же кайра үйрөтүүсүз башка батарея платформасына түз өткөрүүнү көрсөтпөйт.
SOC батареяда калган колдонууга мүмкүн болгон заряддын жалпы сыйымдуулукка салыштырмалуу абалын билдирет, бирок аны түздөн-түз сенсор менен өлчөөгө болбойт. Аны терминалдык чыңалуу, ток жана температура сыяктуу сырттан байкалган өзгөрмөлөр аркылуу баалоо талап кылынат. Изилдөөнүн борбордук маселеси — бул өзгөрмөлөр менен SOC ортосундагы байланыш температура өзгөргөн сайын туруктуу бойдон калбай тургандыгы. Тактап айтканда, иш тез электрдик өтмөлөрдүн, орто убакыт масштабындагы поляризациялык жүрүм-турумдун жана жай заряд-температура өзгөрүүлөрүнүн бирдиктүү убакыт катарында аралашып кетиши SOC баалоону татаалдаштырарын карайт.
Изилдөөнүн негизги суроосу кандай?
Изилдөөнүн негизги суроосу — келечектеги өлчөөлөрдөн эч кандай маалымат колдонбостон иштеген модель ар кандай температураларда да, температура бир эле айдоо профилинин ичинде үзгүлтүксүз өзгөрүп турган шарттарда да SOC ни жогорку тактык менен баалай алабы деген суроо.
Авторлор учурдагы ыкмаларда үч негизги боштук бар экенин белгилешет. Биринчиси, бир негиздүү терең тармактар тез электрдик өтмөлөрдү, орто масштабдагы поляризация процесстерин жана жай жылуулук/SOC тенденцияларын бир эле өкүлчүлүктүн ичинде үйрөнүүгө мажбур болушат. Экинчиси, температураны жөн гана кадимки кириш өзгөчөлүгү катары берүү ар түрдүү убакыт масштабдарынын маанилүүлүгүн иштөө учурунда динамикалык өзгөртпөйт. Үчүнчүсү — айрым сигналды ажыратуу ыкмалары келечектеги үлгүлөрдү пайдаланышы мүмкүн жана мунун айынан реалдуу убакыт баалоосунда жашыруун маалымат агып кетиши мүмкүн.
TGCM-PINet кайсы маалыматтарды колдонот?
Ар бир убакыт кадамындагы өлчөө вектору төрт физикалык өзгөрмөдөн турат:
\[ \mathbf{x}_t=[V_t,\ I_t,\ T_{s,t},\ T_{a,t}]^{T} \]
Бул жерде \(V_t\) терминалдык чыңалууну (V), \(I_t\) өлчөнгөн токту (A), \(T_{s,t}\) батарея бетинин температурасын (°C), ал эми \(T_{a,t}\) айлана-чөйрөнүн температурасын (°C) билдирет. Моделдин негизги байкоо терезеси 800 үлгүдөн турат; маалыматтар 1 Hz ге кайра үлгүлөнгөндүктөн, бул терезе 800 секунддук тарыхка туура келет.
Себептик үч масштабдуу ажыратуу кантип жүргүзүлөт?
Изилдөөнүн эң маанилүү архитектуралык өзгөчөлүктөрүнүн бири — сигналдардын келечектеги үлгүлөрдү колдонбостон үч толуктоочу убакыт масштабына бөлүнүшү. Узундугу \(m\) болгон бир тараптуу себептик жылма орточо төмөнкүчө аныкталат:
\[ \mu_m(\mathbf{x}_t)=\frac{1}{m}\sum_{j=0}^{m-1}\mathbf{x}_{t-j} \]
Жогорку, орто жана төмөн масштабдагы компоненттер андан кийин төмөнкүчө түзүлөт:
\[ \mathbf{x}^{H}_t=\mathbf{x}_t-\mu_{m_s}(\mathbf{x}_t) \]
\[ \mathbf{x}^{M}_t=\mu_{m_s}(\mathbf{x}_t)-\mu_{m_l}(\mathbf{x}_t) \]
\[ \mathbf{x}^{L}_t=\mu_{m_l}(\mathbf{x}_t) \]
Бул ажыратуу маалыматты жоготкон фильтрлөө эмес; үч компоненттин суммасы баштапкы өлчөөнү так калыбына келтирет:
\[ \mathbf{x}^{H}_t+\mathbf{x}^{M}_t+\mathbf{x}^{L}_t=\mathbf{x}_t \]
Изилдөөдө 1 Hz маалымат үчүн кыска терезе \(m_s=5\), ал эми узун терезе \(m_l=60\) үлгү катары тандалган. Жогорку масштаб тез өзгөрүүлөрдү, орто масштаб кыска жана узак тенденциялардын ортосундагы жүрүм-турумду, төмөн масштаб болсо жайыраак заряд жана жылуулук өнүгүүсүн билдирет. Авторлор бул компоненттерди так физикалык жыштык тилкелери катары эмес, убакыт масштабдарынын өкүлчүлүктөрү катары чечмелешет.
2-сүрөттүн негизги билдирүүсү да ушунда: убакыт \(t\) ичинде эсептелген 5 жана 60 секунддук жылма орточолор \(t\) жана андан мурунку үлгүлөрдү гана колдонот. Катар башында жетиштүү тарых болбосо, эң эрте жеткиликтүү байкоо менен толтуруу жүргүзүлөт. Ошентип, борборлоштурулган фильтрлерде пайда болушу мүмкүн болгон келечектеги маалыматтын агып кетишине жол берилбейт.
Эмне үчүн үч өзүнчө TCN бутагы колдонулат?
Жогорку, орто жана төмөн масштабдагы катарлардын ар бири жалпы түзүлүшү окшош, бирок өз алдынча параметрлери бар өзүнчө убакыттык конволюциялык тармакка (Temporal Convolutional Network, TCN) берилет. Бул үч масштабды бирдиктүү жалпы фильтр топтомуна мажбурлоонун алдын алат.
Себептик кеңейтилген конволюция изилдөөдө төмөнкүчө берилет:
\[ \mathbf{u}_t=\sum_{k=0}^{K-1}W_k\mathbf{h}_{t-kd}+\mathbf{b} \]
Бул жерде \(K\) өзөктүн өлчөмү, \(d\) кеңейтүү коэффициенти. \(t-kd\leq t\) болгондуктан, учурдагы чыгыш келечектеги өзгөчөлүктөргө көз каранды эмес. Ар бир TCN бутагында эки себептик конволюция камтылган калдык блоктору; топтук нормалдаштыруу, GELU активдештирүүсү, dropout жана калдык байланыш менен бирге колдонулат.
Өзөк өлчөмү \(K=3\), кеңейтүү коэффициенттери \(1,2,4,8\). Изилдөөдө берилген эффективдүү кабыл алуу талаасынын формуласы:
\[ R_{\mathrm{TCN}}=1+2(K-1)\sum_{l=1}^{N_b}d_l \]
түрүндө жана бул түзүлүш 61 убакыт кадамына, башкача айтканда 61 секундга туура келет. Ар бир бутак ар бир убакыт кадамы үчүн 32 өлчөмдүү өзгөчөлүк чыгарат.
Температура дарбазасы эмне кылат?
TGCM-PINetтин айырмалоочу өзгөчөлүгү температураны нейрондук тармакка кошулган жөнөкөй кириш өзгөрмөсү катары гана колдонбогонунда. Модель беттин температурасы, айлана-чөйрөнүн температурасы, алардын ортосундагы белгилүү айырма жана айырманын чоңдугун камтыган жылуулук контекстинин негизинде жогорку, орто жана төмөн убакыт масштабдарынын салмагын ар бир убакыт кадамында кайра эсептейт.
Төрт өлчөмдүү жылуулук контексти эки катмарлуу, 4→24→3 өлчөмдүү көп катмарлуу перцептронго берилет:
\[ \mathbf{g}_t=W_{g,2}\phi(W_{g,1}\mathbf{c}_t+\mathbf{b}_{g,1})+\mathbf{b}_{g,2} \]
Андан кийин softmax аркылуу ар бир масштабдын салмагы эсептелет:
\[ \alpha_t^q= \frac{\exp(g_t^q)} {\sum_{r\in\{H,M,L\}}\exp(g_t^r)}, \qquad q\in\{H,M,L\} \]
Ошентип бардык салмактар нөлгө барабар же андан чоң болуп, алардын суммасы 1 ге барабар болот. Үч масштабдуу өзгөчөлүктөрдүн бирикмеси:
\[ \mathbf{f}^{ms}_t= \alpha_t^H\mathbf{h}_t^H+ \alpha_t^M\mathbf{h}_t^M+ \alpha_t^L\mathbf{h}_t^L \]
түрүндө эсептелет. 3-сүрөт бул механизмди так көрсөтөт: температуралык контекст үч масштабдын салмактарын аныктайт, масштабдык өзгөчөлүктөр салмактуу бириктирилет жана баштапкы стандартташтырылган кириш өзүнчө сызыктуу калдык жол аркылуу бириккен өкүлчүлүккө кошулат. Бул калдык жол ажыратууда же масштаб коддоочуларында алсырап калышы мүмкүн болгон баштапкы өлчөө маалыматына түз жетүүнү сактоону көздөйт.
Verianla Live: TGCM-PINet SOC баалоо чынжыры
Бул процесс көрсөтүүсү изилдөөнүн 1–3-сүрөттөрүндө жана метод бөлүмдөрүндө аныкталган чыныгы архитектуралык тартипти жыйынтыктайт. Этаптар эсептөөнүн түшүндүрмө өкүлчүлүгү болуп саналат; ойнотуу убактысы эксперименттин физикалык узактыгын көрсөтпөйт.
| Этап | Түшүндүрмө | Булак |
|---|---|---|
| 1. Өлчөө кириши | Терминалдык чыңалуу, ток, батарея бетинин температурасы жана айлана-чөйрөнүн температурасынан турган 800 секунддук себептик тарых колдонулат. | 1-сүрөт; Теңд. 1–3; 2-таблица |
| 2. Себептик үч масштабдуу ажыратуу | Өлчөөлөр 5 жана 60 үлгүлүк бир тараптуу жылма орточолор аркылуу жогорку, орто жана төмөн убакыт масштабдарына бөлүнөт; келечектеги үлгү колдонулбайт. | 2-сүрөт; Теңд. 4–8 |
| 3. Өз алдынча TCN коддоо | Үч масштаб өз алдынча параметрлери бар үч TCN бутагында иштетилип, ар бир убакыт кадамы үчүн 32 өлчөмдүү өзгөчөлүктөр алынат. | Теңд. 9–11; 2-таблица |
| 4. Температурага көз каранды масштаб дарбазасы | Бет жана айлана-чөйрө температурасы менен алардын ортосундагы жылуулук айырмасы колдонулуп, үч TCN бутагынын убакыт боюнча өзгөргөн softmax салмактары эсептелет. | 3-сүрөт; Теңд. 12–15 |
| 5. Калдык өзгөчөлүктөрдү бириктирүү | Салмактуу көп масштабдуу өкүлчүлүк сызыктуу проекцияланган баштапкы кириш менен бириктирилип, катмардык нормалдаштыруудан өткөрүлөт. | 3-сүрөт; Теңд. 16 |
| 6. GRU негизиндеги SOC траекториясы | Эки катмарлуу бир багыттуу GRU 800 секунддук тарых боюнча узак мөөнөттүү көз карандылыктарды иштетет; sigmoid чыгышы SOC ни [0,1] аралыгында чектейт. | Теңд. 17; 2-таблица |
| 7. Физика маалыматына негизделген үйрөтүү | Көзөмөлдөнгөн жоготууга ампер-саат сакталуусу, заряд/разряд багытынын ырааттуулугу жана экинчи тартиптеги траектория жылмакайлыгы үчүн жазалар кошулат. | Теңд. 18–24 |
Verianla Live: Процесс көрүнүшү ушул макаладагы көрүнгөн илимий таблицадан браузерде түзүлөт. Таблица илимий source-of-truth катары сакталат.
GRU менен физика маалыматына негизделген үйрөнүү эмне үчүн бирге колдонулат?
TCN бутактары жергиликтүү жана орто мөөнөттүү динамикаларды бөлүп чыгарганда, SOC өнүгүүсү узагыраак тарыхка да көз каранды. Ошондуктан бириктирилген өзгөчөлүктөр эки катмарлуу, бир багыттуу жана 96 жашыруун бирдиктүү GRUга берилет. Чыгыш катмарындагы sigmoid функциясы SOC баасын физикалык жактан маанилүү \([0,1]\) аралыгында кармайт.
Модель чыныгы SOC белгилери менен гана үйрөтүлбөйт. Авторлор бааланган SOC траекториясына үч физикалык регуляризатор кошушат.
Ток белгиси оң эффективдүү ток разрядды көрсөтө тургандай шайкештелгенден кийин Coulomb эсептөөсүнөн күтүлгөн SOC өзгөрүүсү:
\[ \Delta z^{cc}_{b,t} = -\frac{\eta_{b,t}I^{eff}_{b,t}\Delta t} {3600Q_{eff}} \]
деп аныкталат. Бул жерде \(Q_{eff}\) батареянын эффективдүү сыйымдуулугун (Ah), \(\eta\) Coulomb эффективдүүлүгүн жана \(\Delta t\) үлгүлөө интервалын билдирет. Тармак баалаган өзгөрүү болсо:
\[ \Delta z^{p}_{b,t}=z^{p}_{b,t}-z^{p}_{b,t-1} \]
түрүндө берилет. Үйрөтүү жоготуусу ушул эки өсүштүн ортосундагы дал келбестикти жазалайт. Мындан тышкары, разряд учурунда SOC өсүп кетиши же заряд учурунда азайып кетиши багыт ырааттуулугу үчүн жаза менен чектелет. Экинчи тартиптеги траектория жылмакайлыгы жалгыз жана физикалык жактан күмөндүү баалоо секириктерин азайтууну көздөйт.
Изилдөөдө жалпы оптималдаштыруу максаты:
\[ \mathcal{L} = \mathcal{L}_{sup} +\lambda_{cc}\mathcal{L}_{cc} +\lambda_{dir}\mathcal{L}_{dir} +\lambda_{sm}\mathcal{L}_{sm} \]
деп берилет. Бул физикалык мүчөлөр жумшак чектөөлөр; баалоо учурунда эквиваленттүү схема моделинин параметрлерин онлайн аныктоону же өзүнчө оптималдаштыруу маселесин чечүүнү талап кылбайт.
Сүрөттөр илимий жактан эмнени көрсөтөт?
1-сүрөт моделдин өлчөө киришинен физика маалыматына негизделген жоготууга чейинки беш негизги түзүмдүк компонентин бир агымда көрсөтөт: себептик көп масштабдуу ажыратуу, үч TCN бутагы, температура дарбазасы, GRU негизиндеги SOC баалоосу жана көп максаттуу физикалык жоготуу.
2-сүрөт себептүүлүк дооматынын визуалдык негизи болуп саналат. Кыска жана узун терезелер убакыт \(t\) оң жагындагы эч бир үлгүгө жетпей турганы көрсөтүлөт. Ошол эле сүрөт тез, орто жана жай компоненттердин суммасы баштапкы өлчөөнү кайра түзөрүн да көрсөтөт.
3-сүрөт температура дарбазасы үч TCN масштабынын маанилүүлүгүн убакыт боюнча өзгөртөрүн көрсөтөт. Бул жердеги түс картасы жогорку, орто жана төмөн масштабдар туруктуу салмактар менен эмес, температуралык контекстке жараша үйрөнүлгөн салмактар менен колдонуларын түшүндүрөт.
4 жана 5-сүрөттөрдө мурда көрүлбөгөн Cycle 4 жана LA92 профилдеринин SOC траекториялары менен абсолюттук ката ийри сызыктары салыштырылат. TGCM-PINet баасы жалпы SOC тенденциясын гана ээрчибестен, салыштыруу моделдеринде көрүнгөн айрым жергиликтүү ката секириктерин да азайтканы байкалат. Бул байкоо таблицалардагы MaxAE төмөндөшү менен шайкеш келет.
6-сүрөт 10→25 °C жана −20→10 °C үзгүлтүксүз температура өтүүлөрүндө ката жүрүм-турумун көрсөтөт. Өзгөчө суугураак өтүүдө TGCM-PINet ката тилкеси салыштыруу моделдерине караганда тар бойдон калышы 6-таблицадагы MAE, RMSE жана MaxAE жыйынтыктары менен шайкеш келет.
7-сүрөттөгү абляция ийри сызыктары маанилүү жыйынтыкты көрсөтөт: көп масштабдуу ажыратууну гана кошуу автоматтык түрдө натыйжалуулукту жакшырткан эмес. Толук TGCM-PINet архитектурасы колдонулганда өзгөчө −20 °C шартындагы чоң жергиликтүү каталар олуттуу басылган.
8-сүрөт Samsung 30T маалымат топтомундагы төрт температура үчүн тышкы текшерүү жыйынтыктарын көрсөтөт. Бул көрүнүш башка уяча жана эксперименттик платформада ыкма кайра үйрөтүлгөндөн кийин да окшош салыштырмалуу артыкчылыкты сактарын колдойт; бирок сүрөт кайра үйрөтүүсүз платформалар аралык түз өткөрүүнүн далили эмес.
Изилдөө колдогон жыйынтыктар
- TGCM-PINet изилдөөдө колдонулган 16 негизги сыноо шарттарынын баарында MAE жана RMSE боюнча салыштырылган LSTM, TCN жана Transformer моделдерине караганда төмөн ката көрсөткөн.
- Бир тараптуу жылма орточого негизделген ажыратуу аныктамасы боюнча учурдагы жана мурунку үлгүлөр менен эсептелгендиктен, текшерилген иштетүү чынжырында келечектеги өлчөөлөрдүн маалымат агып кетишине жол бербейт.
- Туруктуу температура, үзгүлтүксүз температура өзгөрүүсү жана башка батарея маалымат топтому протоколдорунда моделдин натыйжалуулук артыкчылыгы сакталган.
- Абляция жыйынтыктары себептик көп масштабдуу ажыратуунун өзү жетишсиз экенин жана толук архитектурадагы компоненттерди бирге колдонуу маанилүү экенин көрсөтөт.
- Физикалык регуляризация эквиваленттүү схема моделинин параметрлерин аныктоону талап кылбастан SOC өсүштөрүнө физикалык чектөөлөрдү колдонот.
Изилдөө колдобогон же далилдебеген жыйынтыктар
- Изилдөө реалдуу электр автоунаа паркында же коммерциялык BMS жабдыгында талаа ийгилигин далилдебейт.
- Samsung 30T жыйынтыгы zero-shot же кайра үйрөтүүсүз платформалык өткөрүү эмес; моделдер Samsung маалыматтары менен кайра үйрөтүлгөн.
- Эскирген уячалар, пакеттеги уячалар аралык дал келбестик жана биргелешкен SOC-SOH баалоосу бул иште текшерилген эмес.
- Ресурсу чектелген орнотулган жабдыкта эсептөө убактысы, эстутум керектөөсү жана реалдуу убакытта жайгаштыруу ийгилиги эксперименталдык түрдө көрсөтүлгөн эмес.
- Моделдин белгисиздикти сандык баалоосу жүргүзүлгөн эмес; бул тема келечектеги иш катары белгиленген.
- Көрсөтүлгөн жыйынтыктар Түркияга мүнөздүү батарея паркынан же талаа маалымат топтомунан алынган эмес. Түркиядагы реалдуу колдонуу үчүн колдонулуучу уячалар, сенсорлор, температура тарыхтары жана BMS жабдыгы боюнча өзүнчө текшерүү талап кылынат.
Изилдөөнүн Ыкмасы жана Жыйынтыктары
Маалымат топтомдору жана эксперименттик протокол
Негизги эксперименттер Panasonic NCR18650PF маалымат топтомунда жүргүзүлгөн. Топтомдо Cycle 1–4, HWFET, NN, UDDS жана LA92 камтылган сегиз динамикалык жүк профили бар. Туруктуу температура сыноолору −20, −10, 0, 10 жана 25 °C шарттарында жүргүзүлгөн. Эки өз ара профиль жалпылоо протоколу колдонулган: биринчисинде Cycle 4 толугу менен сыноого бөлүнгөн, экинчисинде LA92 толугу менен сыноо үчүн сакталган.
Кошумча түрдө −20→10 °C жана 10→25 °C үзгүлтүксүз температура өтүүлөрү бааланган. Көз карандысыз платформа текшерүүсү Samsung 30T маалымат топтомунда −20, 0, 25 жана 40 °C шарттарында жүргүзүлгөн.
| Өзгөчөлүк | Panasonic NCR18650PF | Samsung 30T |
|---|---|---|
| Номиналдык сыйымдуулук | 2,90 Ah | 3,00 Ah |
| Сыноо мекемеси | University of Wisconsin-Madison | McMaster University |
| Чийки үлгүлөө аралыгы | 0,1 s | 0,1 s |
| Кайра үлгүлөө | 1,0 s | 1,0 s |
| Өлчөнгөн өзгөрмөлөр | Чыңалуу, ток, бет температурасы, айлана-чөйрө температурасы, SOC | Чыңалуу, ток, бет температурасы, айлана-чөйрө температурасы, SOC |
| Колдонулган туруктуу температуралар | −20, −10, 0, 10 жана 25 °C | −20, 0, 25 жана 40 °C |
| Динамикалык температура сыноолору | −20→10 °C жана 10→25 °C | Колдонулган жок |
Чийки өлчөөлөр 0,1 секунддук интервалдардан 1 Hz ге өзгөртүлгөн. Ар бир бир секунддук блокто чыңалуу, ток, бет температурасы жана айлана-чөйрө температурасынын арифметикалык орточосу алынган, ал эми SOC белгиси катары блоктун акырындагы маани сакталган. Авторлор токтун орточосу бир секунддук аралыкта өткөрүлгөн зарядды сактарын жана акыркы SOC мааниси өлчөө блогунун аягы менен шайкеш келерин белгилешет.
Маалымат агып кетишинин маанилүү алдын алуу чарасы катары толук булак файлдары жылма терезелер түзүлгөнгө чейин үйрөтүү жана сыноо топторуна бөлүнгөн. Терезелер файл же автоматтык аныкталган SOC кайра орнотуу чектерин кесип өткөн эмес. Үйрөтүү терезелеринде кадам 5 секунд, ал эми сыноодо үзгүлтүксүз траектория түзүү үчүн 1 секунд болгон. Стандартташтыруу статистикалары үйрөтүү маалыматтарынан гана эсептелип, сыноо учурунда туруктуу сакталган.
Модель жана үйрөтүү жөндөөлөрү
| Компонент | Изилдөөдө колдонулган түзүлүш |
|---|---|
| Тарых терезеси | 800 үлгү / 800 s |
| Себептик ажыратуу | ms = 5, ml = 60 |
| TCN бутактары | 3 өз алдынча бутак, 32 канал |
| TCN өзөгү | 3 |
| Кеңейтүү коэффициенттери | 1, 2, 4, 8 |
| Температура дарбазасы | 4→24→3 MLP + softmax |
| GRU | 2 катмар, 96 жашыруун бирдик |
| SOC чыгыш башы | 96→48→1 MLP + sigmoid |
| Dropout | 0,10 |
| Оптималдаштыруу | AdamW |
| Баштапкы үйрөнүү ылдамдыгы | 1×10−3 |
| Weight decay | 1×10−4 |
| Максималдуу epoch | 80 |
| Физикалык жоготуу салмактары | λcc=0,05; λdir=0,01; λsm=0,001 |
| Көзөмөлдөнгөн жоготуу салмактары | Катар=0,5; акыркы чекит=0,5 |
| Программалык камсыздоо | PyTorch 2.1 |
| Эсептөө жабдыгы | NVIDIA GeForce RTX 4090, CUDA 12.1 |
Салыштыруу моделдери LSTM, TCN жана Transformer болуп саналат. Бардык ыкмаларга бир эле төрт кириш канал, бирдей 800 үлгүлүк тарых, бирдей файл деңгээлиндеги маалымат бөлүнүшү жана бирдей үйрөтүү epoch бюджети колдонулган. Batch өлчөмү көпчүлүк моделдерде 32, 800 чекиттик attention матрицасынын эстутум талабы себептүү Transformerда 12 болгон. Transformerдын келечектеги үлгүлөргө жетүүсүнө жол бербөө үчүн кошумча себептик attention маскасы колдонулган.
Ийгилик көрсөткүчтөрү
Баалоолор MAE (орточо абсолюттук ката), RMSE (орточо квадраттык катанын тамыры), MaxAE (максималдуу абсолюттук ката) жана R² менен жүргүзүлгөн. SOC ката маанилери пайыздык пункт менен берилген. Көрсөткүчтөр адегенде ар бир сыноо файлы жана кокустук үрөн үчүн өзүнчө эсептелип, андан кийин температура деңгээлинде файл жыйынтыктары орточолонгон. Cycle 4 жана LA92 сыяктуу ар башка файлдар бир узун траекторияга бириктирилип метрика эсептелген эмес.
Мурда көрүлбөгөн Cycle 4 профили
| Температура | TGCM-PINet MAE (пайыздык пункт) | RMSE (пайыздык пункт) | MaxAE (пайыздык пункт) | R² |
|---|---|---|---|---|
| −20 °C | 0,62 | 0,77 | 3,02 | %99,82 |
| −10 °C | 0,51 | 0,68 | 1,93 | %99,89 |
| 0 °C | 0,35 | 0,45 | 1,51 | %99,96 |
| 10 °C | 0,52 | 0,56 | 1,58 | %99,94 |
| 25 °C | 0,38 | 0,47 | 1,57 | %99,97 |
Беш температуранын орточосунда TGCM-PINet үчүн MAE 0,476, RMSE 0,586 жана MaxAE 1,922 пайыздык пункт деп эсептелген. Ар бир температура жана метрика боюнча эң күчтүү салыштыруу моделинин орточосу менен салыштырганда ката төмөндөшү тиешелүүлүгүнө жараша %40,1, %42,4 жана %56,5 деп берилген.
−20 °C шартында Transformerдын 0,92 пайыздык пункт MAE мааниси TGCM-PINet менен 0,62ге, ал эми 6,95 пайыздык пункт MaxAE 3,02ге чейин төмөндөгөн. Ал эми 10 °Cде MAE артыкчылыгы чектүүрөөк: эң мыкты салыштыруу мааниси 0,60 болсо, TGCM-PINet 0,52ге жеткен. Авторлор бул жерде негизги пайда ар бир үлгүдөгү бирдей ката азайышынан эмес, чоң жергиликтүү четтөөлөрдү басуудан көрүнө турганын белгилешет.
Мурда көрүлбөгөн LA92 профили
| Температура | TGCM-PINet MAE (пайыздык пункт) | RMSE (пайыздык пункт) | MaxAE (пайыздык пункт) | R² |
|---|---|---|---|---|
| −20 °C | 0,53 | 0,63 | 3,12 | %99,86 |
| −10 °C | 0,33 | 0,40 | 1,78 | %99,95 |
| 0 °C | 0,33 | 0,48 | 2,49 | %99,95 |
| 10 °C | 0,34 | 0,40 | 1,23 | %99,97 |
| 25 °C | 0,32 | 0,40 | 1,61 | %99,97 |
LA92 протоколунда орточо MAE 0,370 пайыздык пункт, орточо RMSE болсо 0,462 пайыздык пункт болгон. Бул температура боюнча эң күчтүү салыштыруу моделинин орточосуна салыштырганда тиешелүүлүгүнө жараша %50,4 жана %51,6 төмөндөөгө туура келет. Беш температуранын баарында MAE 0,32–0,53 пайыздык пункт аралыгында, R² болсо %99,86дан жогору калган.
Температура бир траектория ичинде өзгөргөндө эмне болду?
Verianla Live: Үзгүлтүксүз температура өтүүлөрүндөгү MAE
Төмөнкү маанилер изилдөөнүн 6-таблицасынан алынган. Эки мамыча ар башка температура өтүүлөрүн көрсөтөт жана бардык маанилер SOC катасы үчүн пайыздык пункт менен берилет.
| Модель | −20→10 °C MAE (пайыздык пункт) | 10→25 °C MAE (пайыздык пункт) | Булак |
|---|---|---|---|
| LSTM | 1,64 | 0,92 | 6-таблица |
| TCN | 1,41 | 0,96 | 6-таблица |
| Transformer | 1,45 | 0,87 | 6-таблица |
| TGCM-PINet | 0,81 | 0,43 | 6-таблица |
Негизги жыйынтык: TGCM-PINet −20→10 °C өтүүсүндө эң күчтүү MAE салыштыруусуна караганда катаны %42,6, 10→25 °C өтүүсүндө болсо %50,6 азайткан.
Verianla Live: Визуалдаштыруу ушул көрүнгөн илимий маалымат таблицасынан браузерде түзүлөт. Таблица илимий source-of-truth катары сакталат.
−20→10 °C өтүүсүндө TGCM-PINet MAEни 0,81ге, RMSEни 0,87ге жана MaxAEни 1,56 пайыздык пунктка чейин төмөндөткөн. Эң күчтүү салыштырууларга карата MAE %42,6, RMSE %47,0 жана MaxAE %58,8 азайган.
10→25 °C өтүүсүндө MAE 0,43 жана RMSE 0,50 пайыздык пункт; бул тиешелүүлүгүнө жараша %50,6 жана %52,4 төмөндөөгө туура келет. Бирок MaxAE болгону 2,98ден 2,73 пайыздык пунктка, болжол менен %8,4га азайган. Демек, бул шартта орточо траекторияны көзөмөлдөө олуттуу жакшырганы менен, аз сандагы жергиликтүү өтмө четтөөлөр эң начар учур катасын аныктоону уланткан.
Абляция анализи: Көп масштабдуу ажыратуу өзү жетиштүүбү?
| Температура | Модель | MAE (%) | RMSE (%) | MaxAE (%) | R² |
|---|---|---|---|---|---|
| −20 °C | GRU | 1,59 | 2,13 | 28,22 | %98,46 |
| −20 °C | MS-GRU | 2,01 | 2,62 | 28,41 | %97,68 |
| −20 °C | TGCM-PINet | 0,53 | 0,63 | 3,12 | %99,86 |
| 25 °C | GRU | 0,35 | 0,57 | 18,94 | %99,94 |
| 25 °C | MS-GRU | 0,40 | 0,60 | 14,94 | %99,94 |
| 25 °C | TGCM-PINet | 0,32 | 0,40 | 1,61 | %99,97 |
Абляция эксперименти изилдөөнүн эң маанилүү чечмелөө чектөөлөрүнүн бирин көрсөтөт. −20 °Cде көп масштабдуу өкүлчүлүк гана кошулган MS-GRU түз GRUдан жакшы эмес, тескерисинче начар натыйжа берген. Толук TGCM-PINet түз GRUга салыштырганда MAEни %66,7, RMSEни %70,4 жана MaxAEни %88,9 азайткан.
25 °Cде орточо ката буга чейин эле төмөн болгондуктан, MAE жакшыруусу азыраак; GRUнун 0,35 мааниси 0,32ге төмөндөгөн. Ошого карабастан MaxAE 18,94төн 1,61 пайыздык пунктка түшкөн. Бирок MS-GRU менен толук TGCM-PINetтин ортосунда бир нече архитектуралык компонент бир убакта өзгөргөндүктөн, бул жыйынтык температура дарбазасынын гана же TCN бутактарынын гана себептик салымын өзүнчө бөлүп көрсөтпөйт. Булактын өз чечмелөөсү да жакшырууну толук архитектуранын биргелешкен таасири катары чектейт.
Samsung 30T менен тышкы текшерүү
| Температура | TGCM-PINet MAE (пайыздык пункт) | RMSE (пайыздык пункт) | MaxAE (пайыздык пункт) | R² |
|---|---|---|---|---|
| −20 °C | 0,91 | 1,14 | 4,19 | %99,74 |
| 0 °C | 0,81 | 0,91 | 2,18 | %99,85 |
| 25 °C | 0,75 | 0,91 | 2,92 | %99,88 |
| 40 °C | 0,79 | 0,92 | 3,22 | %99,88 |
Төрт Samsung температурасында орточо алганда TGCM-PINet үчүн MAE 0,815, RMSE 0,970 жана MaxAE 3,13 пайыздык пункт деп билдирилген. Температурага мүнөздүү эң күчтүү салыштыруу моделдерине карата орточо төмөндөөлөр тиешелүүлүгүнө жараша %38,3, %42,3 жана %58,8.
40 °C сыноосу өзгөчө көңүл бурууга арзыйт: эң күчтүү MAE салыштыруусу болгон TCNдин 1,71 пайыздык пункт катасы TGCM-PINet менен 0,79га, RMSE 2,17ден 0,92ге, MaxAE болсо 14,30дан 3,22ге төмөндөгөн.
Бирок бул экспериментте TGCM-PINet Panasonic маалыматында үйрөтүлүп, Samsungда түз колдонулган эмес. Бардык ыкмалар Samsung үйрөтүү ички топтомдорунда кайра үйрөтүлгөн жана андан кийин мурда көрүлбөгөн Samsung LA92 профилдеринде текшерилген. Демек жыйынтык zero-shot өткөрүүнү эмес, ошол эле моделдөө стратегиясынын башка уяча жана эксперименттик платформада кайра өндүрүлө аларын колдойт.
Жалпы жыйынтык жана методологиялык чектөөлөр
Он туруктуу температурадагы кайчылаш профиль сыноосу, эки үзгүлтүксүз температура өтүүсү жана төрт Samsung сыноосу бирге каралганда жалпы 16 негизги сыноо шарттарынын баарында TGCM-PINet эң төмөн MAE жана RMSE маанилерин берген. Эң чоң салыштырмалуу утуштар −20→10 °C өтүүсү жана Samsung 40 °C сыноосу сыяктуу салыштыруу моделдери айкын электро-жылуулук стационардуу эместиктен кыйналган шарттарда байкалганы изилдөөнүн температурага байланыштуу масштаб адаптациясы гипотезасына шайкеш келет.
Ошентсе да, изилдөө эскирген уячаларды, биргелешкен SOC-SOH баалоону, батарея пакетиндеги уячалар аралык айырмачылыктарды, сенсор деградациясын жана узак мөөнөттүү талаа иштөөсүн эксперименталдык түрдө карабайт. Мындан тышкары, макала метрикалар сыноо файлдары жана кокустук үрөндөр үчүн өзүнчө эсептелгенин айтса да, негизги жыйынтык таблицаларында ишеним интервалдары же үрөндөр аралык бөлүштүрүү берилбейт. Орнотулган BMS үстүндө эстутум, кечигүү жана энергия керектөөсү боюнча өлчөөлөр да билдирилген эмес. Бул темалардын олуттуу бөлүгү авторлордун келечектеги иш пландарына кирет.
Булак жана Ыкма Жөнүндө Эскертүү
Толук түпнуска иштин аталышы: Temperature-Gated Causal Multi-Scale Physics-Informed Network for Lithium-Ion Battery State-of-Charge Estimation.
Авторлор: Jiayan Xia; Lining Ma; Bingbing Li; Gang Ye; Pin Liu.
Тең салым кошкон авторлор: Jiayan Xia, Lining Ma жана Bingbing Li.
Жооптуу автор: Pin Liu.
Мекемелер: School of Electronic Information and Electrical Engineering, Yangtze University, Jingzhou 434022, China; National Demonstration Center for Experimental Electrical & Electronic Education, Jingzhou 434022, China.
Булак түрү жана рецензия абалы: Бул иш рецензиядан өтө элек preprint болуп саналат; жыйынтыктар ушул жарыялоо баскычы эске алынып бааланууга тийиш.
Платформа: SSRN.
SSRN каттоо номери: 7199404.
DOI: 10.2139/ssrn.7199404.
Жарыялоо/жарыяланган дата: 29 июль 2026.
Журнал, том жана номер: Бул preprint версиясы үчүн рецензияланган журнал, том же номер маалыматы жок.
Расмий жарыялоо шилтемеси: https://ssrn.com/abstract=7199404
Лицензия/автордук укук абалы: SSRN жазуусунда автордук укуктар сакталган жана уруксатсыз кайра колдонууга болбой турганы көрсөтүлгөн. Ошондуктан булак иштин түпнуска 1–8-сүрөттөрү бул мазмунда бирден-бир көчүрүлүп берилген эмес. Сандык таблицалар жана Verianla Live компоненттери иште ачык билдирилген илимий маалыматтардан кайра түзүлгөн; процесс көрүнүшү болсо изилдөө ыкмасына таянып Verianla үчүн даярдалган түшүндүрмө көрсөтүү катары жасалган.
Каржылоо: National Natural Science Foundation of China, Grant No. 62350410484.
Маалымат жеткиликтүүлүгү: Авторлордун билдирүүсүнө ылайык маалыматтар суроо-талап боюнча берилет.
Кызыкчылыктардын кагылышы: Авторлор ишке таасир этиши мүмкүн болгон белгилүү атаандаш финансылык кызыкчылык же жеке мамиле жок экенин билдиришет.
Автордук салымдар: Jiayan Xia: концептуалдаштыруу, методология, программалык камсыздоо, формалдык анализ, визуалдаштыруу жана алгачкы черновикти жазуу. Lining Ma: методология, программалык камсыздоо, маалыматтарды иреттөө, изилдөө, текшерүү жана визуалдаштыруу. Bingbing Li: маалыматтарды иреттөө, формалдык анализ, текшерүү жана визуалдаштыруу. Gang Ye: кеңеш берүү, ресурстар жана карап чыгуу/редакциялоо. Pin Liu: концептуалдаштыруу, кеңеш берүү, долбоорду башкаруу, ресурстар, каржылоону алуу жана карап чыгуу/редакциялоо.
Генеративдүү жасалма интеллект тууралуу билдирүү: Авторлор иш даярдалып жатканда тилди оңдоо жана тилдик агымдуулукту жакшыртуу үчүн ChatGPT колдонгонун, андан кийин мазмунду карап чыгып редакциялаганын жана макаланын мазмуну үчүн жоопкерчиликти өздөрүнө аларын билдиришет.
Илимий мазмундун булагы: Бул Verianla макаласындагы ыкма, формулалар, эксперименттик түзүлүш, сандык жыйынтыктар, таблицалардын илимий мазмуну жана чектөөлөр жүктөлгөн 33 беттик булак ишке негизделген. Тышкы текшерүү баш аталыш/автор жазуусу, DOI, SSRN каттоо датасы жана лицензия сыяктуу библиографиялык талаалар үчүн гана колдонулган; тышкы булактардан жаңы эксперименттик жыйынтык же илимий механизм кошулган эмес.
Негизги методологиялык чектөө: Samsung текшерүүсү кайра үйрөтүүнү камтыгандыктан, платформалар аралык zero-shot өткөрүү сыноосу эмес. Изилдөө ошондой эле эскирген уячаларды, пакет деңгээлиндеги уяча айырмачылыктарын, белгисиздикти сандык баалоону жана ресурсу чектелген реалдуу BMS жабдыгындагы талаа колдонулушун текшербейт.
Аталыш тууралуу эскертүү: PDFтин аталыш бетинде түпнуска аталыш акыркы чекит менен жазылган; негизги тексттин аталышы жана расмий SSRN библиографиялык жазуусу ошол эле сөз тартибин чекитсиз көрсөтөт. Бул мазмунда түпнуска иштин аталышы PDFтин аталыш бетиндеги формасы менен сакталган.
Пикир калтырыңыз
E-mail дарегиңиз жарыяланбайт. Милдеттүү талаалар * менен белгиленген