چکیده مقاله
چکیده – در این پژوهش، مدلی ترکیبی مبتنی بر LSTM، GRU و مکانیزم توجه برای تخمین وضعیت سلامت SOH و عمر باقی مانده RUL باتری های لیتیوم یون ارائه شده است این مدل با پردازش داده های ولتاژ، جریان، دما و آنتروپی، ویژگی های کلیدی تخریب باتری را استخراج کرده و دقت بالایی در پیش بینی دارد آزمایش ها با داده های واقعی NASA نشان دهنده عملکرد بهتر مدل نسبت به روش های پایه بوده و داشبوردی نیز برای مانیتورینگ لحظه ای طراحی شده است
کلیدواژهها
مکانیزم توجه باتری لیتیوم-یون شبکه عصبی ترکیبی باتری لیتیوم یون تخمین عمر باقی مانده
نویسندگان
شیوه ارجاع
پرارین، محمدرضا و رحیمیان ظریف، امیرحسین و مافی نژاد، یاسر،1404،تخمین هوشمند، نمایش سطح سلامت و طول عمر باقی مانده باتری های سیستم های ذخیره ساز انرژی تجدیدپذیر با استفاده از معماری ترکیبی شبکه عصبی LSTM-GRU-Attention،چهارمین رویداد انرژی ایده پردازی و فرهنگ سازی مصرف برق در مشترکان عمومی و تجاری،مشهد
ارائهشده در
مجموعه مقالات چهارمین رویداد انرژی ایده پردازی و فرهنگ سازی مصرف برق در مشترکان عمومی و تجاری12 آذر 1404 · مشهد