تقدير مُحسن لحالة شحن بطاريات أيونات الليثيوم باستخدام بيانات الوقت الحقيقي مع خوارزميات التعلم الآلي

الملخص تقدير حالة شحن البطارية بدقة أمر ضروري لتشغيل السيارات الكهربائية بشكل آمن ومثالي. تقدم هذه الورقة تقييمًا مقارنًا لعدة خوارزميات انحدار التعلم الآلي بما في ذلك آلة الدعم النقطي، الشبكة العصبية، الطريقة الجماعية، وانحدار العمليات الغاوسية لنمذجة العلاقة المعقدة بين بيانات القيادة في الوقت الحقيقي وحالة شحن البطارية. تم تدريب النماذج واختبارها على بيانات ميدانية واسعة تم جمعها من سائقين متنوعين عبر ظروف مختلفة. تقيم مقاييس الأداء الإحصائية دقة توقع حالة الشحن في مجموعة الاختبار. يظهر انحدار العمليات الغاوسية دقة متفوقة تتجاوز التقنيات الأخرى بأقل الأخطاء. تحلل دراسات الحالة كفاءة النماذج في محاكاة خصائص شحن/تفريغ البطارية الفعلية استجابةً لتغير السائقين ودرجات الحرارة ودورات القيادة. توفر الأبحاث إطار عمل موثوق يعتمد على البيانات مع الاستفادة من التحليلات المتقدمة لمراقبة حالة الشحن بدقة في الوقت الحقيقي لتعزيز إدارة البطارية.