Ushbu tadqiqot litiy-ion batareyalarning zaryad holatini (State of Charge, SOC) keng va vaqt bo‘yicha o‘zgaruvchan harorat sharoitlarida onlayn baholash uchun Temperature-Gated Causal Multi-Scale Physics-Informed Network (TGCM-PINet) deb nomlangan neyron tarmoq arxitekturasini ishlab chiqadi. Model kuchlanish, tok, hujayra sirt harorati va atrof-muhit haroratini faqat joriy va o‘tgan namunalardan foydalanadigan sababiy harakatlanuvchi o‘rtachalar orqali uch vaqt masshtabiga ajratadi, har bir masshtabni mustaqil vaqtli konvolyutsion tarmoq (TCN) shoxlarida qayta ishlaydi, harorat kontekstiga qarab ushbu shoxlarning hissasini dinamik ravishda og‘irlashtiradi va ikki qatlamli GRU yordamida uzoq muddatli SOC trayektoriyasini baholaydi. Panasonic NCR18650PF ma’lumotlarida ilgari ko‘rilmagan Cycle 4 va LA92 profillari uchun o‘rtacha MAE mos ravishda 0,476 va 0,370 foiz punkti deb bildirilgan. −20→10 °C va 10→25 °C uzluksiz harorat o‘tishlarida eng kuchli taqqoslash modeliga nisbatan MAE mos ravishda %42,6 va %50,6 ga kamaygan. Samsung 30T ma’lumotlarida qayta o‘qitilib o‘tkazilgan tashqi validatsiyada −20 dan 40 °C gacha bo‘lgan sinovlarning o‘rtacha MAE qiymati 0,815 foiz punkti bo‘lgan. Biroq natijalar foydalanilgan ma’lumotlar to‘plamlari va sinov protokollari doirasi bilan cheklangan; tadqiqot haqiqiy avtomobil parkida dala muvaffaqiyatini, eskirgan hujayralarda ayni samaradorlikni yoki qayta o‘qitmasdan boshqa batareya platformasiga bevosita ko‘chirishni ko‘rsatmaydi.

SOC batareyada qolgan foydalanish mumkin bo‘lgan zaryadning umumiy sig‘imga nisbatan holatini ifodalaydi, ammo u bevosita sensor yordamida o‘lchanmaydi. Uni terminal kuchlanishi, tok va harorat kabi tashqaridan kuzatiladigan o‘zgaruvchilardan baholash kerak. Tadqiqot markazidagi muammo shundaki, ushbu o‘zgaruvchilar bilan SOC o‘rtasidagi bog‘lanish harorat o‘zgarganda doimiy qolmaydi. Xususan, ish tez elektr o‘tkinchilari, o‘rta vaqt masshtabidagi qutblanish xatti-harakati va sekin zaryad-harorat o‘zgarishlarining yagona vaqt qatori tasvirida aralashib ketishi SOC bahosini qiyinlashtirishini ko‘rib chiqadi.

Tadqiqotning asosiy savoli nima?

Tadqiqotning asosiy savoli — kelajakdagi o‘lchovlardan hech qanday ma’lumot ishlatmasdan ishlaydigan model turli haroratlarda ham, harorat bitta haydash profili davomida uzluksiz o‘zgaradigan sharoitlarda ham SOC ni yuqori aniqlik bilan baholay oladimi yoki yo‘qmi.

Mualliflar mavjud yondashuvlarda uchta asosiy bo‘shliqni ko‘rsatadilar. Birinchisi, yagona asosli chuqur tarmoqlar tez elektr o‘tkinchilarini, o‘rta masshtabli qutblanish jarayonlarini va sekin termal/SOC tendensiyalarini bir xil tasvir ichida o‘rganishga majbur bo‘lishidir. Ikkinchisi, haroratni faqat oddiy kirish xususiyati sifatida berish turli vaqt masshtablarining ahamiyatini ish jarayonida dinamik ravishda o‘zgartirmasligidir. Uchinchisi esa ayrim signalni ajratish usullari kelajakdagi namunalardan foydalanishi va shu tariqa real vaqt bahosida yashirin ma’lumot sizib chiqishiga olib kelishi mumkinligidir.

TGCM-PINet qaysi ma’lumotlardan foydalanadi?

Har bir vaqt qadamidagi o‘lchov vektori to‘rtta fizik o‘zgaruvchidan iborat:

\[ \mathbf{x}_t=[V_t,\ I_t,\ T_{s,t},\ T_{a,t}]^{T} \]

Bu yerda \(V_t\) terminal kuchlanishini (V), \(I_t\) o‘lchangan tokni (A), \(T_{s,t}\) batareya sirt haroratini (°C), \(T_{a,t}\) esa atrof-muhit haroratini (°C) ifodalaydi. Modelning asosiy kuzatuv oynasi 800 namunadan iborat; ma’lumotlar 1 Hz ga qayta namunalangani sababli bu oyna 800 soniyalik tarixga mos keladi.

Sababiy uch masshtabli ajratish qanday bajariladi?

Tadqiqot arxitekturasining eng muhim xususiyatlaridan biri — signallar kelajakdagi namunadan foydalanmasdan uchta bir-birini to‘ldiruvchi vaqt masshtabiga ajratilishidir. Uzunligi \(m\) bo‘lgan bir tomonlama sababiy harakatlanuvchi o‘rtacha quyidagicha aniqlanadi:

\[ \mu_m(\mathbf{x}_t)=\frac{1}{m}\sum_{j=0}^{m-1}\mathbf{x}_{t-j} \]

Yuqori, o‘rta va past masshtabli komponentlar keyin quyidagicha tuziladi:

\[ \mathbf{x}^{H}_t=\mathbf{x}_t-\mu_{m_s}(\mathbf{x}_t) \]

\[ \mathbf{x}^{M}_t=\mu_{m_s}(\mathbf{x}_t)-\mu_{m_l}(\mathbf{x}_t) \]

\[ \mathbf{x}^{L}_t=\mu_{m_l}(\mathbf{x}_t) \]

Bu ajratish ma’lumotni yo‘qotadigan filtrlash emas; uch komponent yig‘indisi asl o‘lchovni aynan qayta tiklaydi:

\[ \mathbf{x}^{H}_t+\mathbf{x}^{M}_t+\mathbf{x}^{L}_t=\mathbf{x}_t \]

Tadqiqotda 1 Hz ma’lumot uchun qisqa oyna \(m_s=5\), uzun oyna esa \(m_l=60\) namuna sifatida tanlangan. Yuqori masshtab tez o‘zgarishlarni, o‘rta masshtab qisqa va uzoq tendensiyalar o‘rtasidagi xatti-harakatni, past masshtab esa sekinroq zaryad va termal rivojlanishni ifodalaydi. Mualliflar ushbu komponentlarni aniq fizik chastota diapazonlari sifatida emas, balki vaqt masshtabi tasvirlari sifatida talqin qiladilar.

2-rasmning muhim xabari ham shundan iborat: vaqt \(t\) da hisoblangan 5 va 60 soniyalik harakatlanuvchi o‘rtachalar faqat \(t\) va undan oldingi namunalardan foydalanadi. Ketma-ketlik boshida yetarli tarix bo‘lmasa, eng erta mavjud kuzatuv bilan to‘ldirish amalga oshiriladi. Shu tariqa markazlashtirilgan filtrlarda paydo bo‘lishi mumkin bo‘lgan kelajak ma’lumoti sizib chiqishining oldi olinadi.

Nega uchta alohida TCN shoxi ishlatiladi?

Yuqori, o‘rta va past masshtabli ketma-ketliklarning har biri bir xil umumiy tuzilishga, ammo mustaqil parametrlarga ega alohida vaqtli konvolyutsion tarmoqqa (Temporal Convolutional Network, TCN) beriladi. Bu ajratish uch masshtabni bitta umumiy filtrlar to‘plamiga majburlashning oldini oladi.

Sababiy kengaytirilgan konvolyutsiya tadqiqotda quyidagicha ifodalanadi:

\[ \mathbf{u}_t=\sum_{k=0}^{K-1}W_k\mathbf{h}_{t-kd}+\mathbf{b} \]

Bu yerda \(K\) yadro o‘lchami, \(d\) esa kengaytirish koeffitsiyentidir. \(t-kd\leq t\) bo‘lgani uchun joriy chiqish kelajak xususiyatlariga bog‘liq emas. Har bir TCN shoxida ikki sababiy konvolyutsiyani o‘z ichiga olgan qoldiq bloklar; guruh normalizatsiyasi, GELU faollashtirish, dropout va qoldiq bog‘lanish bilan birga qo‘llanadi.

Yadro o‘lchami \(K=3\), kengaytirish koeffitsiyentlari esa \(1,2,4,8\). Tadqiqotda berilgan samarali qabul maydoni formulasi:

\[ R_{\mathrm{TCN}}=1+2(K-1)\sum_{l=1}^{N_b}d_l \]

ko‘rinishida bo‘lib, ushbu tuzilma 61 vaqt qadamiga, ya’ni 61 soniyaga mos keladi. Har bir shox har bir vaqt qadami uchun 32 o‘lchamli xususiyat hosil qiladi.

Harorat darvozasi nima qiladi?

TGCM-PINet ning ajralib turuvchi tomoni — haroratdan shunchaki neyron tarmoqqa qo‘shiladigan kirish o‘zgaruvchisi sifatida foydalanmasligidir. Model sirt harorati, atrof-muhit harorati, ular orasidagi ishorali farq va farq kattaligidan tuzilgan termal kontekstdan foydalanib, yuqori, o‘rta va past vaqt masshtablarining og‘irligini har bir vaqt qadamida qayta hisoblaydi.

To‘rt o‘lchamli termal kontekst ikki qatlamli, 4→24→3 o‘lchamli ko‘p qatlamli perceptronga beriladi:

\[ \mathbf{g}_t=W_{g,2}\phi(W_{g,1}\mathbf{c}_t+\mathbf{b}_{g,1})+\mathbf{b}_{g,2} \]

So‘ng softmax yordamida har bir masshtabning og‘irligi hisoblanadi:

\[ \alpha_t^q= \frac{\exp(g_t^q)} {\sum_{r\in\{H,M,L\}}\exp(g_t^r)}, \qquad q\in\{H,M,L\} \]

Shu tariqa barcha og‘irliklar nol yoki undan katta bo‘ladi va ularning yig‘indisi 1 ga teng. Uch masshtabli xususiyatlarning birlashuvi:

\[ \mathbf{f}^{ms}_t= \alpha_t^H\mathbf{h}_t^H+ \alpha_t^M\mathbf{h}_t^M+ \alpha_t^L\mathbf{h}_t^L \]

ko‘rinishida hisoblanadi. 3-rasm bu mexanizmni aniq ko‘rsatadi: harorat konteksti uch masshtab og‘irliklarini belgilaydi, masshtab xususiyatlari og‘irlangan holda birlashtiriladi va asl standartlashtirilgan kirish alohida chiziqli qoldiq yo‘l orqali birlashtirilgan tasvirga qo‘shiladi. Ushbu qoldiq yo‘l ajratish yoki masshtab kodlovchilarida susayishi mumkin bo‘lgan asl o‘lchov ma’lumotining bevosita mavjud bo‘lib qolishini maqsad qiladi.

Nega GRU va fizika bilan boyitilgan o‘rganish birgalikda ishlatiladi?

TCN shoxlari mahalliy va o‘rta muddatli dinamikalarni ajratib olayotganda, SOC ning rivojlanishi uzoqroq tarixga ham bog‘liq. Shu sababli birlashtirilgan xususiyatlar ikki qatlamli, bir yo‘nalishli va 96 yashirin birlikli GRU ga beriladi. Chiqish qatlamidagi sigmoid funksiyasi SOC bahosini fizik jihatdan mazmunli \([0,1]\) oralig‘ida ushlab turadi.

Model faqat haqiqiy SOC yorliqlari bilan o‘qitilmaydi. Mualliflar baholangan SOC trayektoriyasiga uchta fizik regulyator qo‘shadilar.

Tok ishorasi musbat samarali tok razryadni ko‘rsatadigan tarzda moslangandan keyin, Coulomb hisobidan kutiladigan SOC o‘zgarishi:

\[ \Delta z^{cc}_{b,t} = -\frac{\eta_{b,t}I^{eff}_{b,t}\Delta t} {3600Q_{eff}} \]

deb aniqlanadi. Bu yerda \(Q_{eff}\) samarali batareya sig‘imini (Ah), \(\eta\) Coulomb samaradorligini va \(\Delta t\) namunalash oralig‘ini ifodalaydi. Tarmoq baholagan o‘zgarish esa:

\[ \Delta z^{p}_{b,t}=z^{p}_{b,t}-z^{p}_{b,t-1} \]

ko‘rinishidadir. O‘qitish yo‘qotishi ushbu ikki orttirma o‘rtasidagi nomuvofiqlikni jarimalaydi. Bundan tashqari, razryad vaqtida SOC ning ortishi yoki zaryad vaqtida kamayishi yo‘nalish izchilligi jarimasi bilan cheklanadi. Ikkinchi tartibli trayektoriya silliqligi esa yakka va fizik jihatdan shubhali baholash sakrashlarini kamaytirishni maqsad qiladi.

Tadqiqotda umumiy optimallashtirish maqsadi:

\[ \mathcal{L} = \mathcal{L}_{sup} +\lambda_{cc}\mathcal{L}_{cc} +\lambda_{dir}\mathcal{L}_{dir} +\lambda_{sm}\mathcal{L}_{sm} \]

ko‘rinishida berilgan. Ushbu fizik hadlar yumshoq cheklovlar bo‘lib, baholash vaqtida ekvivalent elektr zanjiri modeli parametrlarini onlayn aniqlashni yoki alohida optimallashtirish masalasini yechishni talab qilmaydi.

Rasmlar ilmiy jihatdan nimani ko‘rsatadi?

1-rasm modelning o‘lchov kirishidan fizika bilan boyitilgan yo‘qotishgacha bo‘lgan beshta asosiy strukturaviy komponentini bitta oqimda ko‘rsatadi: sababiy ko‘p masshtabli ajratish, uchta TCN shoxi, harorat darvozasi, GRU asosidagi SOC bahosi va ko‘p maqsadli fizik yo‘qotish.

2-rasm sababiylik da’vosining vizual asosidir. Qisqa va uzun oynalar vaqt \(t\) ning o‘ng tomonidagi hech bir namunaga kira olmasligi ko‘rsatiladi. Xuddi shu rasm tez, o‘rta va sekin komponentlar yig‘indisi asl o‘lchovni qayta hosil qilishini ham ko‘rsatadi.

3-rasm harorat darvozasi uchta TCN masshtabining ahamiyatini vaqt bo‘yicha o‘zgartirishini ko‘rsatadi. Bu yerdagi rang xaritasi yuqori, o‘rta va past masshtablar doimiy og‘irliklar bilan emas, harorat kontekstiga bog‘liq o‘rganilgan og‘irliklar bilan ishlatilishini anglatadi.

4 va 5-rasmlarda ilgari ko‘rilmagan Cycle 4 va LA92 profillarining SOC trayektoriyalari hamda mutlaq xato egri chiziqlari taqqoslanadi. TGCM-PINet bahosi umumiy SOC tendensiyasini kuzatish bilan cheklanmay, taqqoslash modellarida kuzatilgan ayrim mahalliy xato sakrashlarini ham kamaytirishi ko‘rinadi. Ushbu kuzatuv jadvallardagi MaxAE kamayishlari bilan mos keladi.

6-rasm 10→25 °C va −20→10 °C uzluksiz harorat o‘tishlarida xato xatti-harakatini ko‘rsatadi. Ayniqsa sovuqroq o‘tishda TGCM-PINet xato diapazonining taqqoslash modellariga qaraganda torroq qolishi 6-jadvaldagi MAE, RMSE va MaxAE natijalari bilan mos keladi.

7-rasmdagi ablyatsiya egri chiziqlari muhim jihatni ko‘rsatadi: faqat ko‘p masshtabli ajratishning qo‘shilishi samaradorlikni avtomatik ravishda yaxshilamagan. To‘liq TGCM-PINet arxitekturasi ishga tushirilganda ayniqsa −20 °C dagi katta mahalliy xatolar sezilarli tarzda bostirilgan.

8-rasm Samsung 30T ma’lumotlar to‘plamidagi to‘rtta harorat uchun tashqi validatsiya natijalarini ko‘rsatadi. Ushbu tasvir boshqa hujayra va tajriba platformasida usul qayta o‘qitilgandan so‘ng o‘xshash nisbiy ustunlikni saqlab qolishini qo‘llab-quvvatlaydi; ammo rasm qayta o‘qitmasdan platformalararo bevosita ko‘chirishning dalili emas.

Tadqiqot qo‘llab-quvvatlaydigan natijalar

• TGCM-PINet tadqiqotda ishlatilgan 16 asosiy sinov sharoitining barchasida MAE va RMSE bo‘yicha taqqoslangan LSTM, TCN va Transformer modellaridan pastroq xato bergan.
• Bir tomonlama harakatlanuvchi o‘rtacha asosidagi ajratish ta’rifiga ko‘ra joriy va o‘tgan namunalardan hisoblangani sababli, sinovdan o‘tgan qayta ishlash zanjirida kelajak o‘lchovlari sizib chiqishining oldini oladi.
• Doimiy harorat, uzluksiz harorat o‘zgarishi va boshqa batareya ma’lumotlari protokollarida modelning samaradorlik ustunligi saqlangan.
• Ablyatsiya natijalari faqat sababiy ko‘p masshtabli ajratishning yetarli emasligini, to‘liq arxitekturadagi komponentlarni birgalikda ishlatish muhimligini ko‘rsatadi.
• Fizik regulyarizatsiya ekvivalent elektr zanjiri modeli parametrlarini aniqlash talab qilinmasdan SOC orttirmalariga fizik cheklovlar qo‘llaydi.

Tadqiqot qo‘llab-quvvatlamaydigan yoki isbotlamaydigan natijalar

• Tadqiqot haqiqiy elektr transport vositalari parkida yoki tijorat BMS apparatida dala muvaffaqiyatini isbotlamaydi.
• Samsung 30T natijasi zero-shot yoki qayta o‘qitilmagan platforma ko‘chirilishi emas; modellar Samsung ma’lumotlari bilan qayta o‘qitilgan.
• Eskirgan hujayralar, paket ichidagi hujayralararo nomuvofiqlik va birgalikdagi SOC-SOH bahosi ushbu ishda tasdiqlanmagan.
• Resursi cheklangan o‘rnatilgan apparatda hisoblash vaqti, xotira sarfi va real vaqtga joriy etish muvaffaqiyati tajribaviy tarzda ko‘rsatilmagan.
• Modelning noaniqlikni miqdoriy baholashi bajarilmagan; bu mavzu kelajakdagi ish sifatida ko‘rsatilgan.
• Keltirilgan natijalar Turkiyaga xos batareya parki yoki dala ma’lumotlaridan olinmagan. Turkiyadagi haqiqiy qo‘llanish uchun foydalaniladigan hujayralar, sensorlar, harorat tarixlari va BMS apparati ustida alohida validatsiya talab etiladi.

Tadqiqot Usuli va Natijalari

Ma’lumotlar to‘plamlari va tajriba protokoli

Asosiy tajribalar Panasonic NCR18650PF ma’lumotlar to‘plamida o‘tkazilgan. To‘plamda Cycle 1–4, HWFET, NN, UDDS va LA92 ni o‘z ichiga olgan sakkizta dinamik yuk profili mavjud. Doimiy harorat sinovlari −20, −10, 0, 10 va 25 °C da o‘tkazilgan. Ikki o‘zaro profil umumlashtirish protokoli qo‘llangan: birinchisida Cycle 4 to‘liq sinov uchun ajratilgan, ikkinchisida LA92 to‘liq sinov uchun saqlangan.

Qo‘shimcha ravishda −20→10 °C va 10→25 °C uzluksiz harorat o‘tishlari baholangan. Mustaqil platforma validatsiyasi esa Samsung 30T ma’lumotlar to‘plamida −20, 0, 25 va 40 °C sharoitlarda bajarilgan.

Xom o‘lchovlar 0,1 soniyalik intervallardan 1 Hz ga aylantirilgan. Har bir bir soniyalik blokda kuchlanish, tok, sirt harorati va atrof-muhit haroratining arifmetik o‘rtachasi olingan, SOC yorlig‘i sifatida esa blok oxiridagi qiymat saqlangan. Mualliflar tok o‘rtachasi bir soniyalik oraliqda uzatilgan zaryadni saqlashini va oxirgi SOC qiymati o‘lchov blokining oxiri bilan moslanishini ta’kidlaydilar.

Muhim ma’lumot sizib chiqishini oldini olish chorasi sifatida to‘liq manba fayllari sirpanma oynalar yaratilishidan oldin o‘qitish va sinov guruhlariga ajratilgan. Oynalar fayl yoki avtomatik aniqlangan SOC qayta o‘rnatish chegaralarini kesib o‘tmagan. O‘qitish oynalarida qadam 5 soniya, sinovda esa uzluksiz trayektoriya hosil qilish uchun 1 soniya. Standartlashtirish statistikasi faqat o‘qitish ma’lumotlaridan hisoblangan va sinov vaqtida o‘zgarmas saqlangan.

Model va o‘qitish sozlamalari

Taqqoslash modellari LSTM, TCN va Transformer hisoblanadi. Barcha usullarga bir xil to‘rtta kirish kanali, bir xil 800 namunali tarix, bir xil fayl darajasidagi ma’lumot ajratishlari va bir xil o‘qitish epoch byudjeti qo‘llangan. Batch hajmi ko‘pchilik modellarda 32, 800 nuqtali diqqat matritsasining xotira talabi sababli Transformer da 12. Transformer ning kelajak namunalariga kirishini oldini olish uchun qo‘shimcha sababiy diqqat niqobi ishlatilgan.

Muvaffaqiyat mezonlari

Baholar MAE (o‘rtacha mutlaq xato), RMSE (o‘rtacha kvadrat xatoning ildizi), MaxAE (maksimal mutlaq xato) va R² orqali hisoblangan. SOC xato qiymatlari foiz punktlarida hisobot qilingan. Mezonlar avval har bir sinov fayli va tasodifiy urug‘ uchun alohida hisoblangan, so‘ng harorat darajasida fayl natijalari o‘rtachalangan. Cycle 4 va LA92 kabi turli fayllar bitta uzun trayektoriyaga birlashtirilib metrik hisoblanmagan.

Ilgari ko‘rilmagan Cycle 4 profili

Besh harorat o‘rtachasida TGCM-PINet uchun MAE 0,476, RMSE 0,586 va MaxAE 1,922 foiz punkti deb hisoblangan. Har bir harorat va metrik uchun eng kuchli taqqoslash modeli o‘rtachasi bilan solishtirganda xato kamayishlari mos ravishda %40,1, %42,4 va %56,5 deb berilgan.

−20 °C sharoitida Transformer ning 0,92 foiz punktlik MAE qiymati TGCM-PINet bilan 0,62 gacha, 6,95 foiz punktlik MaxAE esa 3,02 gacha kamaygan. Aksincha, 10 °C da MAE ustunligi cheklanganroq: eng yaxshi taqqoslash qiymati 0,60 bo‘lganida TGCM-PINet 0,52 ga erishgan. Mualliflar asosiy foyda har bir namunada teng xato kamayishidan ko‘ra katta mahalliy og‘ishlarni bostirishda ko‘rinishini ta’kidlaydilar.

Ilgari ko‘rilmagan LA92 profili

LA92 protokolida o‘rtacha MAE 0,370 foiz punkti, o‘rtacha RMSE esa 0,462 foiz punkti bo‘lgan. Bular harorat bo‘yicha eng kuchli taqqoslash modeli o‘rtachasiga nisbatan mos ravishda %50,4 va %51,6 kamayishga to‘g‘ri keladi. Besh haroratning barchasida MAE 0,32–0,53 foiz punkti oralig‘ida, R² esa %99,86 dan yuqori qolgan.

Harorat bitta trayektoriya ichida o‘zgarganda nima bo‘ldi?

−20→10 °C o‘tishda TGCM-PINet MAE ni 0,81, RMSE ni 0,87 va MaxAE ni 1,56 foiz punktigacha kamaytirgan. Eng kuchli taqqoslashlar bilan solishtirganda MAE %42,6, RMSE %47,0 va MaxAE %58,8 ga kamaygan.

10→25 °C o‘tishda MAE 0,43 va RMSE 0,50 foiz punktidir; ular mos ravishda %50,6 va %52,4 kamayishga to‘g‘ri keladi. Biroq MaxAE faqat 2,98 dan 2,73 foiz punktigacha, taxminan %8,4 ga pasaygan. Shuning uchun bu sharoitda o‘rtacha trayektoriya kuzatuvi sezilarli yaxshilangan bo‘lsa-da, oz sonli mahalliy o‘tkinchi og‘ishlar eng yomon holat xatosini belgilashda davom etgan.

Ablyatsiya tahlili: Ko‘p masshtabli ajratishning o‘zi yetarlimi?

Ablyatsiya tajribasi tadqiqotning eng muhim talqin cheklovlaridan birini ko‘rsatadi. −20 °C da faqat ko‘p masshtabli tasvir qo‘shilgan MS-GRU to‘g‘ridan-to‘g‘ri GRU dan yaxshi emas, yomonroq natija bergan. To‘liq TGCM-PINet esa to‘g‘ridan-to‘g‘ri GRU bilan solishtirganda MAE ni %66,7, RMSE ni %70,4 va MaxAE ni %88,9 ga kamaytirgan.

25 °C da o‘rtacha xato allaqachon past bo‘lgani uchun MAE yaxshilanishi kichikroq; GRU ning 0,35 qiymati 0,32 gacha tushgan. Shunga qaramay MaxAE 18,94 dan 1,61 foiz punktigacha kamaygan. Biroq MS-GRU bilan to‘liq TGCM-PINet o‘rtasida bir nechta arxitektura komponentlari bir vaqtda o‘zgargani sababli, bu natija faqat harorat darvozasi yoki faqat TCN shoxlarining sababiy hissasini alohida ajratib bermaydi. Manbaning o‘z talqini ham yaxshilanishni to‘liq arxitekturaning birgalikdagi ta’siri sifatida chegaralaydi.

Samsung 30T bilan tashqi validatsiya

To‘rtta Samsung haroratining o‘rtachasida TGCM-PINet uchun MAE 0,815, RMSE 0,970 va MaxAE 3,13 foiz punkti deb hisobot qilingan. Haroratga xos eng kuchli taqqoslash modellariga nisbatan o‘rtacha kamayishlar mos ravishda %38,3, %42,3 va %58,8.

40 °C sinovi ayniqsa e’tiborga loyiq: eng kuchli MAE taqqoslash modeli bo‘lgan TCN ning 1,71 foiz punktlik xatosi TGCM-PINet bilan 0,79 gacha, RMSE 2,17 dan 0,92 gacha, MaxAE esa 14,30 dan 3,22 gacha tushgan.

Biroq bu tajribada TGCM-PINet Panasonic ma’lumotlarida o‘qitilib Samsung da bevosita qo‘llanmagan. Barcha usullar Samsung o‘qitish kichik to‘plamlarida qayta o‘qitilgan va keyin ilgari ko‘rilmagan Samsung LA92 profillarida sinovdan o‘tkazilgan. Demak, natija zero-shot ko‘chirishni emas, bir xil modellashtirish strategiyasining boshqa hujayra va tajriba platformasida qayta ishlab chiqarilishini qo‘llab-quvvatlaydi.

Umumiy natija va metodologik cheklovlar

O‘nta doimiy haroratli o‘zaro profil sinovi, ikkita uzluksiz harorat o‘tishi va to‘rtta Samsung sinovi birgalikda ko‘rib chiqilganda jami 16 asosiy sinov sharoitining barchasida TGCM-PINet eng past MAE va RMSE qiymatlarini bergan. Eng katta nisbiy yutuqlarning −20→10 °C o‘tishi va Samsung 40 °C sinovi kabi taqqoslash modellari sezilarli elektro-termal nostatsionarlik sabab qiyinlangan sharoitlarda kuzatilishi tadqiqotning haroratga bog‘liq masshtab moslashuvi gipotezasiga mos keladi.

Biroq tadqiqot eskirgan hujayralarni, birgalikdagi SOC-SOH bahosini, batareya paketidagi hujayralararo farqlarni, sensor degradatsiyasini va uzoq muddatli dala ekspluatatsiyasini tajribaviy ko‘rib chiqmaydi. Bundan tashqari, maqola metriklar sinov fayllari va tasodifiy urug‘lar uchun alohida hisoblanganini aytsa-da, asosiy natija jadvallarida ishonch oralig‘i yoki urug‘lararo taqsimot berilmagan. O‘rnatilgan BMS da xotira, kechikish va energiya sarfi o‘lchovlari ham hisobot qilinmagan. Ushbu mavzularning muhim qismi mualliflarning kelajakdagi ish rejalariga kiradi.

Manba va Usul Haqida Izoh

To‘liq asl ish nomi: Temperature-Gated Causal Multi-Scale Physics-Informed Network for Lithium-Ion Battery State-of-Charge Estimation.

Mualliflar: Jiayan Xia; Lining Ma; Bingbing Li; Gang Ye; Pin Liu.

Teng hissa qo‘shgan mualliflar: Jiayan Xia, Lining Ma va Bingbing Li.

Mas’ul muallif: Pin Liu.

Muassasalar: School of Electronic Information and Electrical Engineering, Yangtze University, Jingzhou 434022, China; National Demonstration Center for Experimental Electrical & Electronic Education, Jingzhou 434022, China.

Manba turi va taqriz holati: Ushbu ish ekspert taqrizidan o‘tmagan preprintdir; natijalar ushbu nashr bosqichi hisobga olingan holda baholanishi kerak.

Platforma: SSRN.

SSRN ro‘yxat raqami: 7199404.

DOI: 10.2139/ssrn.7199404.

Nashr/e’lon sanasi: 29 iyul 2026.

Jurnal, jild va son: Ushbu preprint versiyasi uchun taqrizli jurnal, jild yoki son ma’lumoti mavjud emas.

Rasmiy nashr havolasi: https://ssrn.com/abstract=7199404

Litsenziya/mualliflik huquqi holati: SSRN yozuvida mualliflik huquqlari saqlangani va ruxsatsiz qayta foydalanishga yo‘l qo‘yilmasligi ko‘rsatilgan. Shu sababli manba ishning asl 1–8-rasmlari ushbu kontentda aynan ko‘paytirilmagan. Raqamli jadvallar va Verianla Live komponentlari ishda ochiq hisobot qilingan ilmiy ma’lumotlardan qayta tuzilgan; jarayon ko‘rinishi esa tadqiqot usuliga asoslanib Verianla uchun tayyorlangan tushuntiruvchi tasvir sifatida yaratilgan.

Moliyalashtirish: National Natural Science Foundation of China, Grant No. 62350410484.

Ma’lumotlar mavjudligi: Mualliflar bayonotiga ko‘ra ma’lumotlar so‘rov asosida taqdim etiladi.

Manfaatlar to‘qnashuvi: Mualliflar ishga ta’sir qilishi mumkin bo‘lgan ma’lum raqobatdosh moliyaviy manfaat yoki shaxsiy munosabat yo‘qligini bildiradilar.

Muallif hissalari: Jiayan Xia: konseptuallashtirish, metodologiya, dasturiy ta’minot, formal tahlil, vizualizatsiya va dastlabki qoralamani yozish. Lining Ma: metodologiya, dasturiy ta’minot, ma’lumotlarni tartiblash, tadqiqot, validatsiya va vizualizatsiya. Bingbing Li: ma’lumotlarni tartiblash, formal tahlil, validatsiya va vizualizatsiya. Gang Ye: maslahat, resurslar va ko‘rib chiqish/tahrirlash. Pin Liu: konseptuallashtirish, maslahat, loyiha boshqaruvi, resurslar, moliyalashtirishni jalb qilish va ko‘rib chiqish/tahrirlash.

Generativ sun’iy intellekt bayonoti: Mualliflar ish tayyorlanayotganda tilni tahrirlash va lingvistik ravonlikni yaxshilash maqsadida ChatGPT dan foydalanganliklarini, keyin mazmunni ko‘rib chiqib tahrir qilganliklarini va maqola mazmuni uchun javobgarlikni o‘z zimmalariga olishlarini bildiradilar.

Ilmiy mazmun manbasi: Ushbu Verianla maqolasidagi usul, formulalar, tajriba tuzilishi, raqamli natijalar, jadvallarning ilmiy mazmuni va cheklovlar yuklangan 33 betlik manba ishga asoslangan. Tashqi tekshiruv faqat sarlavha/muallif yozuvi, DOI, SSRN ro‘yxat sanasi va litsenziya kabi bibliografik maydonlar uchun ishlatilgan; tashqi manbalardan yangi tajriba natijasi yoki ilmiy mexanizm qo‘shilmagan.

Asosiy metodologik cheklov: Samsung validatsiyasi qayta o‘qitishni o‘z ichiga olgani sababli platformalararo zero-shot ko‘chirish sinovi emas. Tadqiqot, shuningdek, eskirgan hujayralarni, paket darajasidagi hujayra farqlarini, noaniqlikni miqdoriy baholashni va resursi cheklangan haqiqiy BMS apparatidagi dala qo‘llanilishini tasdiqlamaydi.

Sarlavha izohi: PDF ning sarlavha sahifasida asl sarlavha yakuniy nuqta bilan yozilgan; asosiy matn sarlavhasi va rasmiy SSRN bibliografik yozuvi ayni so‘z ketma-ketligini nuqtasiz ko‘rsatadi. Ushbu kontentda asl ish sarlavhasi PDF sarlavha sahifasidagi shakli bilan saqlangan.