Interaktive Datenmodell-Hybridmethode basierend auf dem unscented Kalman-Filter und bidirektionalen lang-kurzfristigen Gedächtnisnetzwerk mit Selbstaufmerksamkeit zur Vorhersage der verbleibenden Gebrauchsdauer von Lithium-Ionen-Batterien

Key Points

• Die Hybridmethode sagt die verbleibende Gebrauchsdauer voraus und verbessert die Genauigkeit in Leistungsbewertungen.
• Wichtige Kennzahlen zeigen eine hohe Vorhersagezuverlässigkeit mit reduzierten Fehlerraten von bis zu 15 %.
• Die Analyse verwendet ein interaktives Datenmodell-Hybrid unter Anwendung des unscented Kalman-Filters und LSTM-Techniken.
• Verbesserte Vorhersagen implizieren ein besseres Ressourcenmanagement und Nachhaltigkeit im Batteriebetrieb.