Прогнозирование степени заряженности литий-ионного аккумулятора на основе нейросети

Аннотация: Рассматривается задача прогнозирования степени заряженности (State of Charge, SOC) литий-ионных аккумуля- торов (Lithium-Ion Battery, LIB) систем накопления электроэнергии для технологического оборудования и по- движных объектов. Предлагается подход на основе нейронных сетей, преодолевающий ограничения традицион- ных математических моделей, требующих предварительного знания параметров аккумулятора. Исследуются три типа архитектур: многослойные персептроны (Multi-Layer Perceptron, MLP), рекуррентные нейронные сети (Recurrent Neural Network, RNN) и управляемые рекуррентные блоки (Gated Recurrent Unit, GRU) – для анализа их эффективности прогнозирования SOC. Сформулирована методика обучения этих нейросетевых моделей на экспериментальных данных, включающих временные ряды напряжения, тока и температуры при динамических режимах разряда. Подтверждены различия в точности и вычислительных затратах: нейросеть типа MLP обуча- ется быстрее, но не учитывает временные зависимости; нейросети типа RNN и GRU показывают меньшую ошибку на тестовой выборке, но требуют больше вычислительных затрат. Практическая применимость резуль- татов проверена при оптимизации алгоритмов оценки SOC на вычислительных экспериментах.

Ключевые слова: gru, rnn, архитектуры нейросетей: mlp, нейросеть, степень заряженности, литий-ионной аккумулятор