Los puntos clave no están disponibles para este artículo en este momento.
Este documento presenta una clase de medidas de riesgo que se utilizarán como indicadores de daño dentro de algoritmos de pronóstico en tiempo real basados en filtrado de partículas (PF), con aplicación al caso de la predicción del estado de carga en baterías de ion de litio. La medida de riesgo propuesta no solo incorpora el riesgo de fallo de la batería, sino que también es una medida de la confianza en el propio algoritmo de pronóstico. Además, se propone un nuevo método prognóstico simplificado basado en PF para estimar el tiempo de descarga de la batería, al tiempo que proporciona una solución computacionalmente económica. Los tiempos de cómputo tanto para la nueva rutina de pronóstico como para la medida de riesgo asociada son lo suficientemente rápidos como para permitir su implementación en aplicaciones en tiempo real, como sistemas de toma de decisiones o algoritmos de planificación de rutas.
Orchard et al. (Thu,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: