リチウムイオンバッテリーにおける残り有用寿命の予測精度向上のためのハイブリッドニューラルネットワーク

電気自動車（EV）の普及とそれに伴うEVバッテリーの循環の増加に伴い、バッテリーの健康状態と残り有用寿命（RUL）を正確に評価する必要が極めて重要です。これは環境に優しく持続可能な目標に基づいています。本研究では、特に深層学習技術を活用してリチウムイオンバッテリー（LIB）のRUL推定を向上させるために、データ駆動の手法を用いてこの重要な課題に取り組みます。故障までサイクルされた124個のリチウムイオンバッテリーからなるトヨタ研究所データセットを活用し、容量、温度、抵抗、放電時間などの重要な指標を網羅しています。私たちの分析はRUL予測精度を大幅に向上させます。特に、畳み込み長短期記憶深層ニューラルネットワーク（CLDNN）モデルと変圧器LSTM（時間的変圧器）モデルが優れたRUL予測器として浮かび上がりました。特にCLDNNモデルは、84.012の平均絶対誤差（MAE）と25.676の平均絶対パーセント誤差（MAPE）という驚異的な結果を達成しました。同様に、時間的変圧器モデルは85.134のMAEと28.7932のMAPEを示し、注目すべき性能を発揮しました。これらの印象的な結果は、ベイズハイパーパラメータ最適化を適用することで達成され、予測手法の精度がさらに向上しました。これらのモデルは既存のアプローチと比較され、MAPEの改善が4.01%から7.12%に上る優れた結果を示しました。