BriefGPT.xyz
Ask
alpha
关键词
battery management systems
搜索结果 - 3
Cerberus: 基于放松电压曲线的锂离子电池老化估计和预测的深度学习混合模型
提出了基于深度学习的混合模型,从充电和放电松弛过程中提取与衰老相关的显著特征,通过合并历史容量衰减数据,动态地提供锂离子电池当前容量的估计和未来容量的预测。验证结果表明,在 0.25C 充电条件下,平均绝对百分比误差(MAPE)为 0.29
→
PDF
a year ago
探索不同的时间序列变换器(TST)架构:电动汽车(EVs)电池寿命预测案例研究
近年来,电动车辆 (EVs) 的电池技术一直备受关注,重点是开发新的电池材料和化学成分,然而准确预测电池参数,如充电状态 (SOC) 和温度,对于构建先进的电池管理系统 (BMS) 仍然是一项挑战。鉴于将这些辅助参数整合到传统模型中的困难,
→
PDF
a year ago
Dynaformer:一种用于考虑电池老化的深度学习模型的电池放电预测
本文提出了一种能够不需要校准便可预测任何功率下电池电压放电曲线的方法,采用了一种称为 Dynaformer 的新型基于 Transformer 的深度学习架构,能够同时推断出电池的状态和预测真实电池的电压放电曲线,证明该方法能够控制电池高效
→
PDF
2 years ago
Prev
Next