Выбор архитектуры нейронной сети для прогнозирования состояния заряда аккумулятора

А. В. Елизарова; Г. А. Саитова; Н. В. Момзиков

Выбор архитектуры нейронной сети для прогнозирования состояния заряда аккумулятора

А. В. Елизарова, Г. А. Саитова, Н. В. Момзиков

Аннотация

В процессе эксплуатации автономной системы, работающей от электроэнергии, необходимо отслеживать состояние батареи в реальном времени, чтобы учитывать оставшееся время работы системы в заданном режиме. В статье рассматривается задача прогнозирования состояния заряда литий-ионных аккумуляторных батарей, используемых для автономных необитаемых объектов. Определяется архитектура нейронной сети для реализации нейросетевой модели литий-ионной аккумуляторной батареи, позволяющей определять состояние заряженности аккумулятора в любой момент времени при заданных параметрах тока и температуры.

Ключевые слова

литий-ионный аккумулятор; нейросетевая модель; прогнозирование, уровень разряда аккумулято-ра; рекуррентная нелинейная авторегрессионная нейронная сеть.

Полный текст:

PDF

Литература

Борисевич А. В. Моделирование литий-ионных аккумуляторов для систем управления батареями: обзор текущего состояния // Современная техника и технологии. 2014. № 5. URL: https://technology.snauka.ru/2014/05/3542 (дата обращения: 29.03.2021). [[ Borisevich A. V. Modeling of lithium-ion batteries for battery management systems: a review of the current state // Modern Technics and Technology. 2014. No. 5. URL: https://technology.snauka.ru/2014/05/3542 (In Russian). ]]

Головко В. А. От многослойных персептронов к нейронным сетям глубокого доверия: парадигмы обучения и применение // Нейроинформатика-2015. XVII Всероссийская научно-техническая конференция с международным участием. Лекции по нейроинформатике. НИЯУ МИФИ, 2015. [[ Golovko V. A. From multilayer perceptrons to neural networks of deep trust: learning paradigms and application// Neuroinformatics-2015. XVII All-Russian scientific and technical conference with international participation. Lectures on Neuroinformatics. NRNU MEPhI, 2015. (In Russian). ]]

Скундин А. М., Ефимов О. Н., Ярмоленко О. В. Современное состояние и перспективы развития исследований литиевых аккумуляторов // Успехи химии. 2012. Т. 71. № 4. С. 378–398.4. [[ Skundin A. M., Efimov O. N., Yarmolenko O. V. Current state and prospects for the development of research on lithium batteries // Advances in Chemistry. 2012. Vol. 71. No. 4. Рp. 378–398.4. (In Russian). ]]

Саитова Г. А., Елизарова А. В. Нейросетевая модель для оценки состояния заряженности литий-ионного аккумулятора // Перспективные информационные технологии (ПИТ 2021): Труды Международной научно-технической конференции, Самара, 24–27 мая 2021 года / под ред. С. А. Прохорова. Самара: Самарский научный центр РАН, 2021. С. 288–293. [[ Saitova G. A., Elizarova A. V. Neural network model for assessing the state of charge of a lithium-ion battery // Advanced Information Technologies (PIT 2021): Proceedings of the International Scientific and Technical Conference, Samara, May 24–27, 2021 / under ed. S. A. Prokhorova. Samara: Samara Scientific Center of the Russian Academy of Sciences, 2021. pp. 288-293. (In Russian). ]]

Махмутов А. Р., Вульфин А. М., Миронов К. В. Исследование возможностей автономной работы конечных устройств интернета вещей // Системная инженерия и информационные технологии. 2023. Т. 5. № 1 (10). С. 41–47. [[ Makhmutov A. R., Vulfin A. M., Mironov K. V. Study of the possibilities of autonomous operation of end devices of the Internet of things // System Engineering and Information Technologies. 2023. Vol. 5. No. 1 (10). Рp. 41-47. (In Russian). ]]

Юсупова Н. И., Нургаянова О. С., Фаррахов Р. А. Об организации архитектур и алгоритмов обучения нейронных сетей для прогнозирования жаропрочности многокомпонентных сплавов // Системная инженерия и информационные технологии. 2022. Т. 3. № 3 (7). С. 37–44. [[ Yusupova N. I., Nurgayanova O. S., Farrakhov R. A. On the organization of architectures and learning algorithms for neural networks for predicting the heat resistance of multicomponent alloys// System Engineering and Information Technologies. 2022. Vol. 3, No. 3 (7), pp. 37–44. (In Russian). ]]

Ссылки

На текущий момент ссылки отсутствуют.