«`html
Прогнозирование срока службы батареи
Прогнозирование срока службы батареи является сложной задачей из-за нелинейной природы деградации емкости и неопределенности эксплуатационных условий. Важно предоставлять точные оценки как текущего цикла службы (CCL), так и оставшегося срока службы (RUL) для обеспечения надежности и безопасности систем, таких как электромобили и системы энергохранения.
Исследование и решение
Исследователи из Китайской академии наук, Университета Ватерлоо и Университета Сиань-Цзяотунг рассмотрели критическую проблему точного прогнозирования срока службы литиевых батарей, что является важным для обеспечения правильной работы электрооборудования. Они предложили новую модель глубокого обучения — DS-ViT-ESA, которая предлагает инновационный подход с использованием архитектуры видео-трансформера в сочетании с двухпоточной структурой и эффективным механизмом самовнимания.
Практические решения
Модель DS-ViT-ESA требует всего 15 точек данных о циклах зарядки для достижения погрешностей прогнозирования всего 5,40% для RUL и 4,64% для CCL. Она также продемонстрировала способность к обобщению без обучения на конкретных стратегиях зарядки, что отличает ее от традиционных методов. Интеграция модели в систему управления батареями PBSRD Digit улучшила общую точность и эффективность оценки срока службы батарей в крупных коммерческих системах хранения и электромобилях.
Поддержка и консультации
Если вам нужны советы по внедрению ИИ, пишите нам на https://t.me/itinai. Следите за новостями об ИИ в нашем Телеграм-канале https://t.me/aisalesbotnews.
Попробуйте AI Sales Bot https://saile.ru/. Это AI ассистент для продаж, он помогает отвечать на вопросы клиентов, генерировать контент для отдела продаж, снижать нагрузку на первую линию.