مدلسازی پیش بینی دمای باتری لیتیوم یونی در خودرو برقی(BMW i۳) توسط یادگیری ماشین

در عصر کنونی باتری های قابل شارژ نقش مهمی را در دستگاه های مختلف ایفا می کنند. بزرگ ترین چالش باتری های قابل شارژ، افزایش دمای آن ها است، به طوری که عوامل برگشت ناپذیری و اتلافات بیشتر شده و باعث هدررفت انرژی می گردد. در این مطالعه با استفاده از باتری لیتیومی جایگزین که قابلیت شارژ سریع را دارد و با بهره گیری از الگوریتم های یادگیری ماشین به پیش بینی دمای این باتری جهت استفاده در خودروی برقی BMW i۳ پرداخته می شود. مدل های مختلفی و رایج جهت پیش بینی دما ساخته شد مانند نزدیک ترین همسایه، جنگل تصادفی، درخت تصمیم، رگرسیون خطی، Lasso، ماشین بردار پشتیبان و XGBoost. با مقایسه معیارهای اعتبارسنجی این مدل ها مشخص شد که مدل جنگل تصادفی با معیارهای ۰.۹۹۹۷ برای R۲، ۰.۰۳۸۹ برای MAE، ۰.۰۰۳۴ برای MSE بیشترین دقت را در مقایسه با سایر مدل ها دارد. در نهایت با بهره گیری از داده های باتری موجود در خودروی برقی که تحت ۷۰ سفر مختلف جمع آوری شده است برای یک سفر با میزان بالای توان مصرفی پیش بینی دما صورت گرفت و مشخص گردید میزان پیش بینی برای باتری جایگزین از لحظه روشن شدن خودرو تا بیشینه افزایش دما ۳ درجه سانتی گراد است در حالی که این مقدار در باتری اصلی حاضر در خودروی برقی ۴ درجه سانتی گراد است که استفاده از باتری جایگزین به جای باتری موجود در خودروی برقی حدود ۱ درجه سانتی گراد کاهش دما را نشان می دهد.

کلیدواژه ها:

گرادیان دمایی ، خودرو برقی ، یادگیری ماشین ، مدلسازی باتری