Гипермасштабная каскадная архитектура на основе сети трансформаторов для прогнозирования остаточного срока службы аккумуляторов электромобилей (ENG)

Точное прогнозирование остаточного срока службы (RUL) батарей электромобилей (EV) является критически важным аспектом интеллектуальных систем управления батареями. Эффективное прогнозирование RUL не только обеспечивает безопасность и надежность транспортного средства, но и играет ключевую роль в оптимизации циклов зарядки, снижении затрат на техническое обслуживание и продлении общего срока службы батареи. В данной работе представлена ​​комплексная структура глубокого обучения (DL) для прогнозирования RUL батарей электромобилей, использующая новую архитектуру гипермасштабно-каскадной сети трансформаторов (Hyperscale-Cascaded Transformer Net), разработанную для учета долгосрочных зависимостей и закономерностей деградации в поведении батареи.