تقدير موثوق لحالة شحن البطارية عبر الشبكات العصبية الفيزيائية المعلمة المعتمدة على الشبكة الفائقة

يعد التقدير الدقيق لحالة الشحن (SOC) أمرًا أساسيًا لأنظمة إدارة البطاريات (BMS). ومع ذلك، تواجه الطرق التقليدية تحديات تتعلق بالاعتماد على المعلمات أو تعاني من عدم الاستقرار تحت ظروف تشغيل غير معروفة. تقترح هذه الورقة إطارًا هجينًا جديدًا يدمج تعلم التسلسل الزمني مع الشبكات العصبية الفيزيائية المعلمة المعتمدة على المعلمات (PPINN) التي تحكمها القيود الكهروكيميائية. تستخدم البنية شبكات فائقة تولد أوزانًا ديناميكية تتميز بقيم SOC الأولية، مما يمكّن التعلم التكيفي عبر ظروف تشغيل متنوعة. يسمح ذلك للنموذج بتعلم فضاء حل معمّم عن طريق دمج المعرفة المستندة إلى الفيزياء مع النمذجة المعتمدة على البيانات، متجنيًا بذلك التدريب المتكرر. أظهرت التحققات التجريبية عبر درجات حرارة ودورات قيادة مختلفة أداءً متفوقًا، حيث حقق القدرة على التعميم والصلابة بدقة عالية.