Дослідники з КНР розробили модель глибокого навчання для прогнозування терміну служби тягових акумуляторів

Китайські дослідники запропонували новий тип моделі глибокого навчання для прогнозування терміну служби літій-іонних батарей (ЛІБ), йдеться у статті, опублікованій у журналі IEEE Transactions on Transportation Electrification.

Про це повідомило Інформаційне агентство Сіньхуа.

Модель глибокого навчання допомогла ефективно усунути залежність від великої кількості даних про тестування зарядки та надала нову ідею для прогнозування терміну служби акумулятора в режимі реального часу.

У статті наголошується, що точне прогнозування терміну служби ЛІБ необхідне для нормальної та ефективної роботи електричних пристроїв. Однак така оцінка постає перед труднощами через нелінійний процес деградації ємності ЛІБ та невизначеність умов її експлуатації.

Дослідники з Далянського інституту хімічної фізики (DICP) при Академії наук Китаю та Сіаньського університету "Цзяотун" запропонували модель глибокого навчання на основі невеликої кількості даних про цикли заряду для прогнозування поточного терміну служби та залишкового терміну служби ЛІБ.

Модель навчання може точно передбачити як поточний, так і термін служби ЛІБ, що залишився, використовуючи дані лише про 15 циклів заряду. Згідно з результатами експерименту ці дані дозволяють зробити точний прогноз.

Очікується, що запропонована модель дозволить знайти рішення для інтелектуального керування тяговими акумуляторними батареями, сказав директор Державної ключової лабораторії каталізу при DICP Чень Чжунвей.