Дар нақлиёти барқӣ ҳолати заряди батарея яке аз нишондиҳандаҳои асосиест, ки миқдори энергияи боқимондаи намоён барои ронанда ва масофаи тахминии ҳаракатро муайян мекунад. Аммо ҳолати зарядро мустақиман чен кардан мумкин нест; онро бояд аз сигналҳои ченшаванда, ба монанди шиддати батарея, ҷараён, ҳарорат ва таърихи истифода, тахмин кард.

Дар ин таҳқиқот муҳаққиқон барои тахмини ҳолати заряди батареяҳои литий-ионӣ меъмории якҷояи омӯзиши амиқ бо номи DResCNN–BiGRU–SE пешниҳод кардаанд. Модел қабатҳои конволютсияи васеъшударо, ки намунаҳоро дар миқёсҳои гуногуни вақт мегиранд, пайвастҳои боқимондаро, ки омӯзишро осон мекунанд, қабати BiGRU-ро, ки робитаҳои вақтро дар ду самт коркард мекунад, ва механизми таваҷҷуҳи Squeeze-and-Excitation-ро, ки каналҳои муфиди хусусиятро қавитар мекунад, муттаҳид месозад.

Вурудҳои модел танҳо шиддати батарея, ҷараёни батарея ва ҳарорати батарея мебошанд. Арзёбӣ дар маҷмӯи маълумоти кушода анҷом шудааст, ки аз мошини барқии истеҳсолии BMW i3 дар тӯли 70 сафари воқеӣ сабт шуда, тақрибан 989.671 ченкуниро дар бар мегирад. Аз ин сафарҳо 50-то барои омӯзиш, 10-то барои санҷиши эътибор ва 10-то барои тест ҷудо шудаанд.

Модели пешниҳодшуда дар маълумоти тестӣ %2,3522 хатои решаи миёнаи квадратӣ, %1,7253 хатои миёнаи мутлақ ва қимати 0,9754 барои R² ба даст овардааст. Натиҷаҳои миёна нишон медиҳанд, ки ҳолати заряди тахминшуда бо қиматҳои истинодӣ дар маҷмӯи маълумот мувофиқати қавӣ дорад. Бо вуҷуди ин, калонтарин хатои ягона ба %23,2645 расидааст. Он ки модел дар аксари ҳолатҳо хатои паст медиҳад, маънои онро надорад, ки дар ҳамаи лаҳзаҳо сатҳи якхелаи эътимоднокиро таъмин мекунад.

Мушкилоти муҳими методологӣ вуҷуд доранд, ки тафсири натиҷаҳоро маҳдуд мекунанд. Дар як қисми матн гуфта мешавад, ки маълумот дар сатҳи намуна бо нисбати %70–%15–%15 ҷудо шудааст, дар ҳоле ки дар бахши усул ҷудокунии сафарҳо ба 50–10–10 гузориш шудааст. Схемаи меъморӣ нормализатсияи Min–Max-ро нишон медиҳад, аммо матни асосӣ усули RobustScaler-ро тавсиф мекунад. Дар графики аблятсия модели ниҳоӣ бо номи DResCNN–BiGRU–CA ва RMSE-и тақрибан %3,96 нишон дода шудааст, ки аз қимати %2,3522-и модели асосӣ фарқ мекунад. Баъзе қиматҳои моделҳо дар графики муқоисавӣ низ бо ҷадвали муқоисавии мақола мувофиқат намекунанд.

Аз ин рӯ ин таҳқиқот бояд ҳамчун натиҷаи умедбахши ибтидоӣ арзёбӣ шавад, ки потенсиали омӯзиши амиқро дар маълумоти воқеии ронандагӣ нишон медиҳад. Модел бояд дар мошинҳои гуногун, химияҳои гуногуни батарея, батареяҳои пиршуда ва сахтафзори дохилии вақти воқеӣ мустақилона тасдиқ карда шавад.

Ҳолати заряди батарея чиро ифода мекунад?

Ҳолати заряд, ё бо номи англисии State of Charge, тағйирёбандаи тахминиест, ки миқдори энергияи истифодашавандаи боқимондаро дар батарея бо фоиз ифода мекунад. Онро метавон ба нишондиҳандаи бак дар мошини сӯзишворӣ монанд кард; аммо миқдори энергия дар батареяи литий-ионӣ танҳо бо чен кардани шиддат дақиқ муайян карда намешавад.

Шиддат ва ҷараёни ченшудаи батарея вобаста ба омилҳои зерин тағйир ёфта метавонанд:

• Ҷараёни лаҳзавии заряд ё разряди батарея,
• Ҳарорати ҳуҷайраҳо ва бастаи батарея,
• Тағйироти ногаҳонии бор, ба монанди суръатгирӣ ва тормозгирии барқароркунанда,
• Муқовимати дохилии батарея,
• Химияи ҳуҷайра ва фарқиятҳои истеҳсолӣ,
• Пиршавӣ ва талафи иқтидор,
• Таърихи қаблии заряд ва разряд,
• Садои сенсор ва хатогиҳои калибронӣ.

Аз ин рӯ низоми идоракунии батарея кӯшиш мекунад ҳолати зарядро, ки мустақиман чен намешавад, аз сигналҳои электрӣ ва гармии ченшаванда пайваста ҳисоб кунад.

Чаро тахмини нодурусти ҳолати заряд муҳим аст?

Агар ҳолати заряд аз воқеият баландтар тахмин шавад, ба ронанда метавонад масофаи ҳаракате нишон дода шавад, ки дар асл вуҷуд надорад. Агар аз воқеият пасттар тахмин шавад, иқтидори истифодашавандаи батарея метавонад бе зарурат маҳдуд гардад.

Тахмини дуруст вазифаҳои зеринро дастгирӣ мекунад:

• Ҳисоб кардани масофаи боқимондаи ҳаракат бо эътимоди бештар,
• Идоракунии бехатари ҳудудҳои заряд ва разряд,
• Муҳофизати батарея аз аз ҳад зиёд заряд шудан ё разряди амиқ,
• Банақшагирии дақиқтари энергияи тормозгирии барқароркунанда,
• Беҳтар кардани алгоритмҳои идоракунии қувва ва энергия,
• Дароз кардани умри батарея,
• Кам кардани нигаронии ронанда аз масофаи ҳаракат.

Маҳдудиятҳои усулҳои анъанавии тахмин кадомҳоянд?

Яке аз равишҳои асосӣ барои тахмини ҳолати заряд ҳисобкунии Coulomb мебошад. Дар ин усул ҷараёне, ки ба батарея ворид ва аз он хориҷ мешавад, дар тӯли вақт ҷамъ карда мешавад. Агар ҳолати ибтидоии заряд дуруст маълум бошад, усул метавонад муфид бошад; аммо хатогиҳои хурди сенсори ҷараён метавонанд бо мурури вақт ҷамъ шуда, боиси лағжиши тахмин шаванд.

Усулҳое, ки ба шиддати занҷири кушода асос ёфтаанд, шиддати ченшударо пас аз он ки батарея муддате истироҳат мекунад, бо ҳолати заряд мепайванданд. Бо вуҷуди ин, дар мошини барқии дар ҳаракат буда аксар вақт имкон надорад, ки батарея муддати дароз бе бор монад.

Филтри Kalman ва усулҳои шабеҳи моделӣ моделҳои физикии батареяро бо маълумоти сенсорҳо муттаҳид мекунанд. Муваффақияти ин усулҳо ба дуруст модел кардани параметрҳои занҷири эквивалентӣ, муқовимати дохилӣ ва рафтори ҳарорат вобаста аст. Ҳангоми пир шудани батарея параметрҳои модел метавонанд тағйир ёбанд.

Усулҳои додаасос бошад, кӯшиш мекунанд робитаи байни шиддат, ҷараён, ҳарорат ва ҳолати зарядро бевосита аз маълумот омӯзанд. Ин равиш метавонад робитаҳои мураккаби ғайрихаттиро дарёбад; аммо эътимоднокии он ба фарогирии маълумоти омӯзишӣ, тарзи ҷудокунии маълумот ва санҷиши модел дар шароитҳое, ки қаблан надидааст, вобаста аст.

Саволи асосии таҳқиқот чист?

Саволи асосии таҳқиқотро чунин ҷамъбаст кардан мумкин аст:

Оё бо истифода аз пайдарпаии ченкуниҳои қаблӣ аз шиддат, ҷараён ва ҳарорат ҳолати заряди батареяи мошини барқӣ дар шароити воқеии ронандагӣ бо модели якҷояи омӯзиши амиқ дақиқ тахмин карда мешавад?

Барои ин муҳаққиқон се қобилияти гуногуни омӯзиширо дар як модел муттаҳид кардаанд:

1. Баровардани намунаҳои кӯтоҳмуддати сигнал дар миқёсҳои гуногуни вақт,
2. Омӯзиши вобастагиҳои дарозмуддати вақтӣ,
3. Додани вазни қавитар ба каналҳои муфиди хусусият нисбат ба дигарон.

Номи DResCNN–BiGRU–SE чӣ маъно дорад?

Номи модел аз се ҷузъи асосӣ иборат аст:

• DResCNN: Шабакаи нейронии конволютсионии якченака бо пайвастҳои боқимонда, ки аз конволютсияи васеъшуда истифода мекунад.
• BiGRU: Воҳиди такроршавандаи дарвозадори дусамта, ки маълумотро ба самти пеш ва ақиб коркард мекунад.
• SE: Механизми таваҷҷуҳи Squeeze-and-Excitation, ки ба каналҳои хусусият вазни аҳамият медиҳад.

Расми 1 дар саҳифаи 4-и таҳқиқот тамоми меъмориро дар ҳафт марҳила нишон медиҳад: омодасозии маълумот, конволютсияи бисёрмиқёсӣ, блокҳои боқимонда, BiGRU, таваҷҷуҳи каналӣ, сари регрессия ва омӯзиши модел.

Марҳилаи якум: Табдил додани ченкуниҳо ба пайдарпаии вақтӣ

Вектори вуруд дар ҳар қадами вақт аз шиддат, ҷараён ва ҳарорат иборат аст:

\[ x_t=[V_t,I_t,T_t] \]

• \(V_t\): Шиддати батарея дар вақти t.
• \(I_t\): Ҷараёни батарея дар вақти t.
• \(T_t\): Ҳарорати батарея дар вақти t.

Як намунаи вуруди модел равзанаи вақтӣ аз ченкуниҳои пайдарпай мебошад:

\[ X=\{x_1,x_2,\ldots,x_L\} \]

Дар таҳқиқот дарозии равзана \(L=40\) қадами вақт таъин шудааст. Аз ин рӯ модел танҳо ба се ченкунии лаҳзаи ҷорӣ наменигарад, балки таърихи кӯтоҳи иборат аз 40 ченкунии қаблиро якҷоя арзёбӣ мекунад.

Дар таҳқиқот равшан гуфта нашудааст, ки ченкуниҳо бо кадом басомади намунагирӣ сабт шудаанд ва 40 қадам ба чанд сония таърих баробар аст. Ин норасоӣ тафсири миқёси физикии вақти моделро душвор мекунад.

Марҳилаи дуюм: Баровардани хусусиятҳои конволютсионии бисёрмиқёсӣ

Дар қисми аввали омӯзиши модел ба ҳамон пайдарпаии вуруд ду конволютсияи параллелии якченака татбиқ мешавад. Дар схемаи меъморӣ барои шохаи якум андозаи ядро 3 ва дараҷаи васеъшавӣ 1, барои шохаи дуюм андозаи ядро 5 ва дараҷаи васеъшавӣ 2 нишон дода шудааст.

Шохаи якум тағйироти маҳаллии кӯтоҳмуддатро, шохаи дуюм бошад намунаҳоро дар фосилаи васеътари вақт дарёфт кардан мехоҳад. Хусусиятҳои аз ду шоха гирифташуда баъдан якҷоя карда мешаванд.

Конволютсияи васеъшуда бо ҷойгир кардани фосилаҳо байни коэффисиентҳои филтр имкон медиҳад бе аз ҳад зиёд зиёд кардани шумораи қабатҳо ё андозаи филтр ба соҳаи васеътар нигоҳ карда шавад. Дар татбиқи батарея ин равиш мехоҳад импулсҳои кӯтоҳи ҷараёнро бо тағйироти сусттари шиддат ва ҳарорат дар як модел нишон диҳад.

Аммо гарчанде дар матни асосии мақола сарлавҳаи “Step 2” мавҷуд аст, ин марҳила бе шарҳи муфассал мустақиман ба марҳилаи сеюм мегузарад. Шумораи филтрҳо, андозаҳои дақиқи баромади конволютсия ва муодилаи сеюме, ки бояд ба ин қисм мувофиқат кунад, низ дар матн вуҷуд надоранд.

Марҳилаи сеюм: Пайвастҳои боқимонда

Хусусиятҳои бисёрмиқёсӣ ба блокҳои боқимонда дода мешаванд, ки конволютсия, нормализатсияи гурӯҳӣ ва фаъолсозии ReLU-ро дар бар мегиранд. Робитаи асосии пайвасти боқимонда чунин аст:

\[ Y=\mathcal{F}(X)+X \]

• \(X\): Хусусиятҳои вуруди блок.
• \(\mathcal{F}(X)\): Табдиле, ки қабатҳои конволютсионӣ омӯхтаанд.
• \(Y\): Ҷамъи табдили омӯхташуда ва вуруд.

Ин сохтор метавонад ҳаракати осонтари градиентро дар шабакаҳои амиқ дастгирӣ кунад. Қабатҳо ба ҷои омӯзиши тамоми табдил аз сифр, ислоҳеро меомӯзанд, ки бояд ба вуруд илова шавад.

Схемаи меъморӣ нишон медиҳад, ки блоки боқимонда \(N\) маротиба такрор мешавад; аммо қимати \(N\) нишон дода нашудааст. Шумораи филтрҳо дар ҳар қабат ва шумораи умумии параметрҳои модел низ гузориш нашудааст. Аз ин рӯ барои бозсозии айнан ҳамин меъморӣ маълумоти зарурӣ намерасад.

Марҳилаи чорум: Омӯзиши робитаҳои вақтӣ бо BiGRU

Қабатҳои конволютсионӣ намунаҳои маҳаллии сигналро бароварда мекунанд, аммо ҳолати заряди батарея метавонад аз таърихи дарозтар низ таъсир гирад. Аз ин рӯ хусусиятҳои якҷояшуда ба қабати GRU-и дусамта дода мешаванд.

Ҳолати пинҳонии самти пеш чунин нишон дода мешавад:

\[ \overrightarrow{h_t}=\operatorname{GRU}(x_t,\overrightarrow{h_{t-1}}) \]

Ҳолати пинҳонии самти ақиб бошад:

\[ \overleftarrow{h_t}=\operatorname{GRU}(x_t,\overleftarrow{h_{t+1}}) \]

Баромади ду самт якҷоя мешавад:

\[ h_t=[\overrightarrow{h_t};\overleftarrow{h_t}] \]

Коркарди дусамта имкон медиҳад маълумоти оғози ва охири равзанаи 40-қадамӣ якҷоя арзёбӣ шавад. Коркарди ақиб ҳатман ниёз надорад, ки ба маълумоти воқеии ояндаи мошин нигоҳ кунад; агар равзана пурра аз ченкуниҳои то лаҳзаи ҷорӣ ташкил шуда бошад, ҳамин равзанаи таърихро метавон ба самти баръакс коркард кард. Аммо азбаски мавқеи дақиқи вақти ҳадаф нисбат ба равзана дар таҳқиқот равшан нишон дода нашудааст, сохтори сабабии вақти воқеӣ пурра тасдиқ намешавад.

Марҳилаи панҷум: Таваҷҷуҳи Squeeze-and-Excitation

Ҳамаи каналҳои хусусият, ки модел баровардааст, метавонанд барои тахмини ҳолати заряд ба як андоза муфид набошанд. Механизми SE ҳар як каналро ҷамъбаст карда, ба каналҳо вазнҳои аҳамияти омӯзишӣ аз 0 то 1 медиҳад.

Аввал миёнаи ҳар канали хусусият дар тӯли вақт гирифта мешавад:

\[ z_c=\frac{1}{T}\sum_{t=1}^{T}X_c(t) \]

• \(z_c\): Қимати ҷамъбастии канали c.
• \(T\): Дарозии пайдарпаии вақт.
• \(X_c(t)\): Қимати канали c дар вақти t.

Вазнҳои канал бо ду табдили пурра пайваст ҳисоб мешаванд:

\[ A=\sigma(W_2\delta(W_1z)) \]

• \(W_1,W_2\): Матритсаҳои вазни омӯзишӣ.
• \(\delta\): Фаъолсозии ReLU.
• \(\sigma\): Фаъолсозии Sigmoid.

Хусусиятҳои ниҳоӣ бо вазнҳои канал дубора миқёс мешаванд:

\[ Y=X\odot A \]

Ин раванд мехоҳад ба модел имкон диҳад, ки хусусиятҳои дар шароити муайяни ронандагӣ муфидтарро қавитар ва хусусиятҳои камтар муфидро сусттар кунад.

Паҳноии қабати миёна ё нисбати камкунии бахши SE дар матн нишон дода нашудааст. Ин боз як норасоии меъморист, ки бозтавлидпазириро маҳдуд мекунад.

Марҳилаи шашум: Баромади пайвастаи ҳолати заряд

Хусусиятҳои аз механизми таваҷҷуҳ баромада бо қабати global average pooling ҷамъбаст мешаванд ва аз қабатҳои пурра пайвасти зерин мегузаранд:

• Қабати 256-нейронӣ ва 0,30 dropout,
• Қабати 128-нейронӣ ва 0,20 dropout,
• Қабати 64-нейронӣ,
• Қабати баромади хаттии якнейронӣ.

Баромади хаттӣ имкон медиҳад ҳолати заряд ҳамчун қимати пайвастаи фоизӣ тахмин шавад:

\[ SOC_{tahmin}=f(g) \]

Дар ин ҷо \(g\) вектори хусусиятҳои ҷамъбастшуда пас аз pooling ва \(f\) табдиле мебошад, ки қабатҳои пурра пайваст омӯхтаанд.

Марҳилаи ҳафтум: Омӯзиши модел

Модел бо оптимизатори Adam омӯзонида шуда, суръати ибтидоии омӯзиш 0,0003 таъин шудааст. Нормаи градиент бо 1,0 маҳдуд, андозаи batch 128 ва давомнокии максималии омӯзиш 100 epoch интихоб шудааст.

Ҳамчун талафи омӯзиш талафи Huber истифода шудааст:

\[ L_\delta(y,\hat{y})= \begin{cases} \frac{1}{2}(y-\hat{y})^2, & |y-\hat{y}|\leq\delta \\ \delta|y-\hat{y}|-\frac{1}{2}\delta^2, & |y-\hat{y}|>\delta \end{cases} \]

• \(y\): Ҳолати заряди истинодӣ.
• \(\hat{y}\): Тахмини модел.
• \(\delta\): Ҳадде, ки минтақаҳои хатои квадратӣ ва хаттиро ҷудо мекунад.

Талафи Huber дар хатогиҳои хурд мисли хатои квадратӣ рафтор мекунад, дар хатогиҳои калон бошад хаттӣ меафзояд. Бо ин роҳ модел ба фарқҳои хурд ҳассос мемонад, дар ҳоле ки таъсири аз ҳад зиёди шумораи ками инҳирофҳои калон ба омӯзиш кам карда мешавад.

Дар таҳқиқот гуфта мешавад, ки early stopping ва банақшагирии мутобиқшавандаи суръати омӯзиш истифода шудаанд. Аммо ҷузъиёте ба монанди сабри early stopping, шарти кам кардани суръати омӯзиш ва беҳтарин epoch-и интихобшуда дода нашудаанд.

Маҷмӯи маълумоти BMW i3 чиро дар бар мегирад?

Модел бо маҷмӯи маълумоти кушода арзёбӣ шудааст, ки ҳангоми истифодаи воқеии мошини барқии истеҳсолии BMW i3 сабт шудааст. Дар мошин бастаи батареяи литий-ионии 60 Ah мавҷуд аст.

Маҷмӯи маълумот ғайр аз шиддат, ҷараён ва ҳарорати батарея, тағйирёбандаҳои дигар ба монанди ҳарорати муҳит, суръати мошин, масофа ва давомнокии сафарро низ дар бар мегирад. Модели пешниҳодшуда аз онҳо танҳо шиддат, ҷараён ва ҳарорати батареяро истифода кардааст.

Расми 2 дар саҳифаи 9-и таҳқиқот нишон медиҳад, ки сафарҳо аз нигоҳи масофа ва давомнокӣ ба таври назаррас фарқ мекунанд. Аксари сафарҳо тақрибан дар фосилаи 10–20 километр ҷамъ шудаанд, вале шумораи ками сафарҳои дарозтар ҳам ҳастанд, ки ба 50–60 километр наздик мешаванд.

Шиддат, ҷараён ва ҳарорат бо ҳолати заряд чӣ гуна алоқаманданд?

Матритсаи коррелятсия дар саҳифаи 11-и таҳқиқот нишон медиҳад, ки қавитарин робитаи хаттӣ бо ҳолати заряд дар шиддати батарея мавҷуд аст:

Коррелятсияи хаттии лаҳзавии 0,03 байни ҷараён ва SOC маънои онро надорад, ки ҷараён фоида надорад. Таъсири ҷараён бештар дар тӯли вақт ҷамъ мешавад. Як қимати ҷараён вобаста ба таърихи қаблии борбардории батарея метавонад маънои гуногун дошта бошад. Аз ин рӯ модели пайдарпаии вақт кӯшиш мекунад робитаҳои мураккабтар аз коррелятсияи ягона омӯзад.

Коррелятсияи байни ҳарорати батарея ва ҳарорати муҳит 0,87 аст. Азбаски модел танҳо ҳарорати батареяро истифода мекунад, қисми маълумоти вобаста ба муҳит метавонад тавассути ҳарорати батарея ба таври ғайримустақим ба модел ворид шавад.

Маълумот чӣ гуна миқёсбандӣ шудааст?

Мувофиқи матни асосӣ, тағйирёбандаҳои вуруд ва қиматҳои ҳадафии SOC бо RobustScaler миқёсбандӣ шудаанд:

\[ x_{ölçekli}=\frac{x-\operatorname{Median}(x)}{Q_3-Q_1} \]

• \(\operatorname{Median}(x)\): Медианаи тағйирёбанда.
• \(Q_1\): Квартели якум.
• \(Q_3\): Квартели сеюм.
• \(Q_3-Q_1\): Фосилаи байни квартелҳо.

Ин тарзи миқёсбандӣ метавонад нисбат ба усулҳое, ки ба миёна ва инҳирофи стандартӣ асос ёфтаанд, аз қиматҳои канорӣ камтар таъсир гирад.

Аммо дар Расми 1 марҳилаи пешкоркард ҳамчун “Min–Max Normalization” нишон дода шудааст. Нормализатсияи Min–Max ва RobustScaler як усул нестанд. Азбаски дар матн RobustScaler муфассалтар шарҳ дода шудааст, ин равиш ҳамчун усули асосӣ қабул карда мешавад, вале байни расм ва тавсифи усул номувофиқии ошкор вуҷуд дорад.

Илова бар ин, шарҳ дода нашудааст, ки оё параметрҳои миқёсбанд танҳо дар сафарҳои омӯзишӣ омӯхта шуда, баъдан ба сафарҳои санҷиш ва тест татбиқ шудаанд ё не. Агар параметрҳои миқёсбандӣ аз тамоми маҷмӯи маълумот ҳисоб шуда бошанд, метавонад маълумоти маҳдуде аз тақсимоти тестӣ ба омӯзиш ворид шавад. Маълумоти пешниҳодшуда барои арзёбии ин эҳтимол кофӣ нест.

Маълумот барои омӯзиш, санҷиш ва тест чӣ гуна ҷудо шудааст?

Дар бахши усул ҷудокунии зерин дар сатҳи сафар гузориш шудааст:

Ҷудокунии сафарҳо муҳим аст, зеро он пешгирӣ мекунад, ки равзанаҳои вақтии ҳампӯш аз як сафар ҳамзамон ба маҷмӯи омӯзиш ва тест ворид шаванд.

Аммо ҷадвали муқоисавӣ дар саҳифаи 3-и таҳқиқот ҷудокунии маълумоти ин корро ҳамчун “%70 намунаҳо барои омӯзиш, %15 барои санҷиш ва %15 барои тест” тавсиф мекунад. Ҷудокунии сафарҳо ва ҷудокунии намунаҳо як чиз нестанд. Гарчанде тавсифи муфассали 50–10–10 дар бахши методология боэътимодтар менамояд, номувофиқии байни ин ду баён ҳал нашудааст.

Инчунин нишон дода нашудааст, ки кадом 10 сафар барои санҷиш ва кадом 10 сафар барои тест истифода шудаанд. Танҳо як seed-и тасодуфӣ бо қимати 42 дода шудааст; таҷрибаҳои такрорӣ бо тақсимоти дигар ё seed-ҳои дигар гузориш нашудаанд.

Каҷҳои омӯзиш ва санҷиш чиро нишон медиҳанд?

Дар графикҳои саҳифаҳои 14 ва 15 талафоти омӯзиш ва санҷиш дар epoch-ҳои аввал зуд паст мешаванд ва баъдан сусттар беҳтар мешаванд. Каҷи омӯзиш мунтазам паст шуданро идома медиҳад, дар ҳоле ки каҷи санҷиш пас аз тақрибан epoch-и 17–18 каме ноустувор шуда, андаке боло меравад.

Муҳаққиқон мегӯянд, ки байни каҷҳои омӯзиш ва санҷиш ҷудошавии ҷиддӣ нест ва модел аз ҳад зиёд омӯзиши равшан нишон намедиҳад. Гарчанде графикҳо инҳирофи идоранашаванда надоранд, дар охири омӯзиш байни талафоти омӯзиш ва санҷиш фарқи намоён ҳаст. Ин нишон медиҳад, ки эҳтимоли сабуки overfitting пурра рад карда намешавад.

Натиҷаҳои асосии тестии модел кадомҳоянд?

MAE-и %1,7253 нишон медиҳад, ки дар намунаи миёна байни тахмин ва қимати истинодӣ тақрибан 1,73 банди фоизӣ фарқ вуҷуд дорад. Масалан, агар қимати истинодӣ %60 бошад, бузургии миёнаи хато тақрибан 1,73 банд аст; аммо ин маънои онро надорад, ки ҳар як тахмин дар ҳамин ҳудуд қарор дорад.

Калонтарин хато дар сатҳи %23,2645 махсусан муҳим аст. Гарчанде иҷрои миёна қавӣ менамояд, дар як лаҳзаи гузариш байни тахмин ва истинод зиёда аз 23 банди фоизӣ фарқ ба вуҷуд омадааст. Дар татбиқи идоракунии батарея, ки аз нигоҳи бехатарӣ муҳим аст, на танҳо хатои миёна, балки рафтори бадтарин ҳолат низ бояд арзёбӣ шавад.

Каҷҳои воқеӣ ва тахминии SOC чиро нишон медиҳанд?

Дар Расмҳои 7 ва 8-и саҳифаи 16 каҷҳои тахмин дар аксари нуқтаҳо ба қиматҳои истинодӣ наздик мераванд. Дар қисми калонкардашуда махсусан дар диапазонҳои миёна ва баланди SOC мувофиқати қавӣ дида мешавад. Дар пастшавиҳои тез нуқтаҳое ҳастанд, ки каҷи тахмин баъзе қуллаҳо ва фурӯравиҳоро ҳамвор ё аз даст медиҳад.

Дар график дида мешавад, ки SOC байни намунаҳои пайдарпай зуд-зуд аз сатҳи %80 ба диапазони %30–40 мефарояд ва боз боло меравад. Азбаски дар як сафари физикӣ интизор намеравад, ки батарея ин қадар зуд пур ва холӣ шавад, эҳтимол график равзанаҳои гуногуни тест ё сафарҳои гуногунро якҷоя кардааст. Аммо азбаски усули тартиб додани намунаҳо шарҳ дода нашудааст, график набояд ҳамчун профили пайвастаи вақти воқеии як сафар тафсир шавад.

Натиҷаҳои тест барои ҳар сафар алоҳида дода нашудаанд. Аз ин рӯ дида намешавад, ки модел дар ҳамаи сафарҳои тестӣ иҷрои монанд дошт ё дар шароити муайяни ҳарорат ё масофа хато зиёд шуд.

Оё тақсимоти хато воқеан бетараф аст?

Расми 9 дар саҳифаи 18 графики боқимондаҳо, histogram, box plot ва violin plot-ро якҷоя нишон медиҳад. Қисми зиёди хатогиҳо дар минтақаи наздики сифр ҷамъ шудаанд. Аммо дар box plot дар ҳар ду самти манфӣ ва мусбат қиматҳои канории зиёд мавҷуданд.

Графики боқимондаҳо ба абри комилан тасодуфӣ монанд нест. Вақте SOC-и тахминшуда паст аст, боқимондаҳо бештар дар минтақаи манфӣ ва дар SOC-ҳои баландтар дар атрофи сифр ё минтақаи мусбат ҷамъ мешаванд. Ин метавонад нишон диҳад, ки вобаста ба сатҳи SOC намунаи системавӣ вуҷуд дорад.

Аз ин рӯ хулосаи “модел тамоюли равшани зиёд ё кам тахмин кардан надорад” аз нигоҳи миёнаи умумӣ қобили қабул аст, аммо дар ҳамаи диапазонҳои SOC яксон бетараф будани он қатъӣ нишон дода нашудааст.

Қимати R² чиро нишон медиҳад ва чиро нишон намедиҳад?

R²-и 0,9754 нишон медиҳад, ки тақрибан %97,5 тағйирёбии SOC-и истинодӣ дар маълумоти тестӣ метавонад аз ҷиҳати оморӣ бо тахминҳои модел шарҳ дода шавад.

Ин қимат худ ба худ чизҳои зеринро исбот намекунад:

• Дар ҳар лаҳзаи тахмин хатогӣ паст аст,
• Модел дар мошинҳои гуногун ҳамон натиҷаро медиҳад,
• Қиматҳои истинодии SOC бе хато мебошанд,
• Ҳангоми пир шудани батарея иҷро нигоҳ дошта мешавад,
• Модел дар воҳиди идоракунии вақти воқеӣ кор карда метавонад,
• Хатогиҳои бадтарин ҳолат дар ҳудуди бехатарӣ мебошанд.

Муқоиса бо таҳқиқоти қаблӣ то чӣ андоза боэътимод аст?

Мувофиқи ҷадвали асосии муқоисавӣ дар мақола, модели пешниҳодшуда нисбат ба таҳқиқоти қаблӣ, ки ҳамон маҷмӯи маълумоти BMW i3-ро истифода кардаанд, RMSE ва MAE-и пасттар ба даст овардааст:

Ҷудокунии маълумот, пешкоркард, сафарҳои тестӣ ва ҷузъиёти татбиқи ин муқоисаҳо яксон нестанд. Хатои пасти як модел дар маҷмӯи тестии дигар исбот намекунад, ки он ҳатман аз модели дигар беҳтар аст. Барои муқоисаи ҳақиқии мустақим ҳамаи моделҳо бояд дар ҳамон сафарҳои омӯзишӣ, санҷишӣ ва тестӣ аз нав иҷро шаванд.

Расми 11 дар саҳифаи 20 низ бо ҷадвали муқоисавӣ мувофиқат намекунад. Дар график барои FFNN тақрибан 7,20, барои LSTM 6,10, барои GRU 5,80, барои BiLSTM 5,50, барои ResCNN–BiGRU 4,80 ва барои DResCNN–BiGRU–CA тақрибан 3,96 RMSE нишон дода шудааст. Ин номҳо ва қиматҳо бо моделҳои ҷадвали асосии муқоисавӣ яксон нестанд; қимати 2,3522 RMSE-и модели пешниҳодшудаи SE дар график нишон дода нашудааст.

Оё таҳқиқоти аблятсия ҷузъҳои меъмориро тасдиқ мекунад?

Ҳадафи таҳқиқоти аблятсия нишон додани он аст, ки ҳангоми илова кардани ҷузъҳои меъморӣ як ба як хато чӣ гуна тағйир меёбад. Дар Расми 12 дида мешавад, ки аз CNN оғоз карда, бо илова шудани BiGRU, пайвасти боқимонда, конволютсияи васеъшуда ва механизми таваҷҷуҳ RMSE тадриҷан кам мешавад.

Аммо дар ин бахш мушкилоти ҷиддии гузоришдиҳӣ вуҷуд доранд:

• Матн мегӯяд натиҷаҳо дар “Table V” дода шудаанд, аммо ҷадвали рақамии аблятсия вуҷуд надорад.
• Table V пештар барои меъёрҳои асосии иҷро истифода шудааст.
• Номи модели ниҳоӣ дар график DResCNN–BiGRU–CA аст; модели асосӣ бошад DResCNN–BiGRU–SE ном дорад.
• Қимати RMSE-и нуқтаи ниҳоии график тақрибан 3,96 менамояд; натиҷаи асосии тестӣ 2,3522 аст.
• Нишон дода нашудааст, ки моделҳои аблятсия бо ҳамон маҷмӯи тест, ҳамон оғози тасодуфӣ ва ҳамон танзимоти омӯзиш иҷро шудаанд ё не.
• Натиҷаҳо бо якчанд такрори омӯзиш ва инҳирофи стандартӣ гузориш нашудаанд.

Аз ин рӯ график намунаи сифатиро пешниҳод мекунад, ки бо мураккаб шудани меъморӣ иҷро беҳтар мешавад, аммо онро ҳамчун таҷрибаи пурраи аблятсионӣ, ки саҳми ҳар як ҷузъро боэътимод ва ададӣ тасдиқ мекунад, қабул кардан мумкин нест.

Муҳимтарин ҷиҳатҳои қавии таҳқиқот

• Ба ҷои давраҳои лаборатории назоратшаванда маҷмӯи маълумоти кушода аз ронандагии воқеӣ истифода шудааст.
• Тақрибан як миллион ченкунӣ ба модел пойгоҳи васеи намунаҳо додааст.
• Ҳамчун вуруд шиддат, ҷараён ва ҳарорат интихоб шудаанд, ки дар аксари низомҳои идоракунии батарея мавҷуданд.
• Намунаҳои маҳаллӣ, робитаҳои дарозмуддати вақтӣ ва таваҷҷуҳи каналӣ дар як меъморӣ муттаҳид шудаанд.
• Гуфта шудааст, ки барои санҷиш ва тест сафарҳои ҷудогона истифода шудаанд.
• Ғайр аз RMSE ва MAE, R², MAPE, калонтарин хато ва инҳирофи стандартии хато низ гузориш шудаанд.
• Тақсимоти хатогиҳо бо чанд график таҳлил шудааст.
• Таҳқиқот маҳдудиятҳои худро ва зарурати санҷиш дар низоми дохилиро эътироф мекунад.

Маҳдудиятҳои асосии таҳқиқот

• Модел танҳо дар як модели мошин ва як бастаи батарея арзёбӣ шудааст.
• Химияҳои гуногуни ҳуҷайра ва иқтидорҳои гуногуни батарея санҷида нашудаанд.
• Таъсири пиршавии батарея арзёбӣ нашудааст.
• SOC-и истинодӣ ченкунии мустақили лабораторӣ нест, балки қиматест, ки истеҳсолкунандаи мошин додааст.
• Шарҳ дода нашудааст, ки оё scaler танҳо аз маълумоти омӯзишӣ омӯхта шудааст.
• Ҷудокунии маълумот ҳам дар сатҳи намуна ва ҳам дар сатҳи сафар бо ду тарзи гуногун тавсиф шудааст.
• Схема Min–Max, матн RobustScaler-ро ҳамчун нормализатсия нишон медиҳад.
• Шумораи филтрҳои конволютсионӣ ва шумораи блокҳои боқимонда нишон дода нашудааст.
• Нисбати камкунии SE ва шумораи умумии параметрҳои модел дода нашудааст.
• Вақти иҷро, таъхири inference, талаботи хотира ва истеъмоли энергия чен нашудааст.
• Натиҷаҳои тест барои ҳар сафар алоҳида гузориш нашудаанд.
• Таҷрибаҳои такрорӣ бо seed-ҳои гуногун ва фосилаи эътимод вуҷуд надоранд.
• Графики муқоисавӣ бо ҷадвали асосии муқоисавӣ мувофиқат намекунад.
• Номи модел ва натиҷаи графики аблятсия бо натиҷаи модели асосӣ мувофиқ нест.
• Коди манбаъ, ID-и сафарҳои омӯзишӣ ва бастаи пурраи бозтавлидкунӣ дода нашудаанд.

Таҳқиқот чиро дастгирӣ мекунад?

• Пайдарпаии шиддат, ҷараён ва ҳарорат метавонад барои тахмини SOC маълумоти зиёд дошта бошад,
• Истифодаи якҷояи қабатҳои конволютсионӣ ва такроршаванда дар маълумоти воқеии ронандагӣ умедбахш аст,
• Таваҷҷуҳи каналиро барои бозвазндиҳии интихобии хусусиятҳои омӯхташуда истифода бурдан мумкин аст,
• Дар маҷмӯи тестии зикршуда хатои миёнаи паст ба даст омадааст,
• Ҷудокунии маълумот дар сатҳи сафар метавонад равиши қобили истифода барои арзёбӣ бошад.

Таҳқиқот чиро исбот намекунад?

• Исбот намекунад, ки модел дар ҳамаи мошинҳои барқӣ %2,35 RMSE медиҳад.
• Нишон намедиҳад, ки меъмории пешниҳодшуда аз ҳамаи усулҳои қаблӣ қатъиян беҳтар аст.
• Нишон намедиҳад, ки модел дар батареяҳои пиршуда ҳамон дақиқиро нигоҳ медорад.
• Исбот намекунад, ки хатои максималии %23,26 аз нигоҳи бехатарӣ қобили қабул аст.
• Нишон намедиҳад, ки модел дар воҳиди идоракунии батареяи дараҷаи автомобилӣ дар вақти воқеӣ кор карда метавонад.
• Исбот намекунад, ки тахминҳо дар ҳарорат, иқлим ва фарҳанги гуногуни ронандагӣ ҳамон муваффақиятро нишон медиҳанд.
• Нишон намедиҳад, ки қиматҳои SOC-и истинодӣ бо SOC-и воқеии физикӣ бе хато мувофиқат мекунанд.
• Исбот намекунад, ки беҳбудиҳои графики аблятсия аз ҷиҳати оморӣ аҳамиятноканд.

Ин барои экосистемаи нақлиёти барқӣ дар Туркия чӣ маъно дорад?

Бо рушди истифодаи нақлиёти барқӣ, инфрасохтори зарядгирӣ ва технологияҳои автомобилии маҳаллӣ дар Туркия, аҳамияти нармафзори идоракунии батарея низ меафзояд. Тахмини ҳолати заряд на танҳо ба қимати фоизӣ дар панели асбобҳо, балки ба банақшагирии масофа, идоракунии зарядгирии зуд, кафолати батарея ва арзёбии батареяҳои истифодашуда низ таъсир карда метавонад.

Равиши таҳқиқот самтҳои зерини таҳқиқотро барои низомҳои идоракунии батарея, ки дар Туркия таҳия мешаванд, дастгирӣ мекунад:

• Ҷамъоварии маълумоти воқеии ронандагӣ дар минтақаҳои гуногуни иқлимии Туркия,
• Омӯзиши таъсири гармии тобистон ва сармои зимистон ба тахмини SOC,
• Санҷиши мошинҳои гуногун ва химияҳои батарея дар пойгоҳи ягонаи маълумот,
• Арзёбии якҷояи батареяҳои нав ва пиршуда,
• Чен кардани таъхир ва истеъмоли энергия дар микроконтроллерҳои дараҷаи автомобилӣ,
• Гузориш додани хатогиҳои бадтарин ҳолат дар якҷоягӣ бо ҳудудҳои бехатарӣ,
• Якҷоя кардани моделҳои физикии батарея бо омӯзиши амиқ.

Аммо натиҷаҳои ададии таҳқиқотро мустақиман ба мошинҳои Туркия татбиқ кардан мумкин нест. Шароити истифодаи маҳаллӣ, сахтафзори мошин, химияи батарея, сифати сенсор ва диапазони ҳарорат метавонанд фарқ кунанд. Барои татбиқи воқеӣ аз нав омӯзондан ва тасдиқ кардан бо маълумоти мустақиле, ки дар Туркия ҷамъ шудааст, зарур аст.

Усул ва бозёфтҳои таҳқиқот

Хулосаи техникии усул

Натиҷаҳои асосии иҷро

Ҳадафҳои ҷузъҳои меъморӣ

Номувофиқиҳои муҳим дар матн

Таҷрибаҳои иловагӣ барои баланд кардани эътимоднокии натиҷаҳо

• Аз нав омӯзондани ҳамаи моделҳои муқоисавӣ дар ҳамон сафарҳои тестӣ,
• Гузориш додани RMSE, MAE ва хатои максималӣ барои ҳар сафари тестӣ алоҳида,
• Анҷом додани чанд такрори мустақили омӯзиш бо seed-ҳои гуногун,
• Гузориш додани инҳирофи стандартӣ ё фосилаи эътимод дар баробари натиҷаи миёна,
• Санҷиши сафарбайнӣ дар зермаҷмӯъҳои гуногуни ронандагии BMW i3,
• Санҷиши берунӣ бо моделҳои дигари мошин ва химияҳои батарея,
• Арзёбии ҷудогонаи батареяҳои нав ва пиршуда,
• Мутобиқ кардани scaler танҳо ба маҷмӯи омӯзишӣ ва равшан нишон додани ин,
• Нашр кардани параметрҳои меъморӣ ва коди манбаъ,
• Чен кардани таъхир, хотира ва истеъмоли энергия дар сахтафзори дохилӣ,
• Таҳлили ҷудогонаи шароити ронандагие, ки хатои максималӣ дар он ба вуҷуд омадааст,
• Илова кардани фосилаи номуайянӣ ба тахминҳои SOC.

Ёддошти манбаъ ва усул

• Номи аслии таҳқиқот: DResCNN–BiGRU–SE: A Deep Learning Framework for Accurate State-of-Charge Estimation of Lithium-Ion Batteries in Electric Vehicles
• Муаллифон: Sushil Kumar; Yaduvir Singh
• Тартиби муаллифон: Sushil Kumar муаллифи якум, Yaduvir Singh муаллифи дуюм.
• Огоҳии маълумоти муаллиф: Дар саҳифаи аввали матни боршуда сатри муаллиф ва муассиса вуҷуд надорад. Муаллифон аз маълумоти сабти расмии SSRN тасдиқ шудаанд.
• Муаллифи аввали баробар: Изҳороти саҳми баробар ё муаллифи аввали баробар вуҷуд надорад.
• Муаллифи тамос: Дар сабти SSRN Sushil Kumar ҳамчун муаллифи тамос нишон дода шудааст.
• Муассиса: Harcourt Butler Technical University, Kanpur, Ҳиндустон
• Шуъбаи Yaduvir Singh: Дар сабти расмии донишгоҳ Department of Electrical Engineering
• Маълумоти шуъбаи Sushil Kumar: Дар саҳифаи унвони таҳқиқоти баррасишуда ва маълумоти кӯтоҳи дастрас дар SSRN номи шуъба равшан нишон дода нашудааст.
• Соли таҳқиқот: 2026
• Рӯз ва моҳи дақиқ: Дар матни боршуда равшан нишон дода нашудааст; аз ин рӯ санаи дақиқ дода нашудааст.
• Навъи манбаъ: Матни preprint-и таҳқиқотӣ, ки аз peer review нагузаштааст
• Платформаи нашр: SSRN
• Оператори платформа: Elsevier
• Preprint DOI: 10.2139/ssrn.7196249
• Сабти расмӣ:Саҳифаи расмии таҳқиқот дар SSRN
• Пайванди доимии DOI:10.2139/ssrn.7196249
• Журнал: Нашр шудан дар журнали peer-reviewed тасдиқ нашудааст.
• Вазъи peer review: Дар ҳар саҳифаи матни боршуда гуфта шудааст, ки таҳқиқот аз peer review нагузаштааст.
• Манбаи маълумот: BMW i3 Battery and Heating Data in Real Driving Cycles, IEEE DataPort
• DOI-и маҷмӯи маълумот: 10.21227/6JR9-5235
• Тазоди манфиатҳо: Дар матни баррасишуда изҳороти ҷудогонаи тазоди манфиатҳо вуҷуд надорад.
• Маблағгузорӣ: Дар матни баррасишуда маълумоти маблағгузорӣ вуҷуд надорад.
• Код ва вазнҳои модел: Пайванди кушодаи манбаъ дода нашудааст.

Мазмуни илмии ин мақолаи Verianla танҳо бо баррасии матни таҳқиқоти боршуда, муодилаҳо, ҷадвалҳо, схемаи меъморӣ, графикҳои иҷро ва таҳлилҳои хато омода шудааст. Манбаъҳои беруна танҳо барои тасдиқи библиографии ҳувияти муаллифон, муассиса, DOI, платформа ва вазъи peer review истифода шудаанд. Аз манбаъҳои беруна натиҷаи нави илмӣ илова нашудааст.

Натиҷаҳои асосии таҳқиқот, яъне %2,3522 RMSE, %1,7253 MAE ва 0,9754 R², натиҷаҳои тестие мебошанд, ки муҳаққиқон гузориш додаанд. Азбаски тахминҳои хоми тестӣ, коди манбаъ ва сабтҳои омӯзишӣ мубодила нашудаанд, ин қиматҳо мустақилона аз нав ҳисоб нашудаанд.

Дар матн байни ҷудокунии маълумот, усули нормализатсия, графики муқоисаи модел ва натиҷаи аблятсия номувофиқиҳои муҳим мавҷуданд. Ин номувофиқиҳо беовоз ислоҳ нашудаанд; ҳангоми арзёбии вазни илмии натиҷаҳо онҳо ба таври возеҳ нишон дода шудаанд.

Таҳқиқот аз peer review нагузаштааст. Натиҷаҳо бо як платформаи мошин ва як конфигуратсияи батарея маҳдуданд. Модел дар низоми дохилии идоракунии батареяи дараҷаи автомобилӣ дар вақти воқеӣ санҷида нашудааст ва бо химияҳои гуногуни батарея аз санҷиши берунӣ нагузаштааст.