Aprendizado Profundo Baseado em Nuvem para Co-Estimativa do Estado de Carga e Estado de Saúde da Bateria

As baterias recarregáveis de íon de lítio são atualmente a opção mais viável para sistemas de armazenamento de energia em aplicações de veículos elétricos (EV) devido à sua alta energia específica, redução de custos e ciclo de vida aceitável. No entanto, prever com precisão os parâmetros de sistemas de baterias complexos e não lineares continua sendo um desafio, dado os mecanismos de envelhecimento diversos, variações de célula para célula e condições de operação dinâmicas. Os estados e parâmetros das baterias estão se tornando cada vez mais importantes em cenários de aplicação ubíqua, embora nossa capacidade de prever o desempenho das células em condições realistas permaneça limitada. Para enfrentar o desafio de modelar e prever a evolução de sistemas de bateria multifísica e multiescala, este estudo propõe uma estrutura aprimorada por IA baseada em nuvem. A estrutura visa alcançar sucesso prático na co-estimativa do estado de carga (SOC) e do estado de saúde (SOH) durante a vida útil operacional do sistema. Redes neurais transformer auto-supervisionadas oferecem novas oportunidades para aprender representações de dados observacionais com múltiplos níveis de abstração e mecanismos de atenção. Acoplar a estrutura de computação em nuvem e borda com a versatilidade do aprendizado profundo pode aumentar a capacidade preditiva de explorar dependências espaciotemporais de longo alcance em múltiplas escalas.