В отличие от современных систем, которые показывают лишь процент заряда, модель SOM учитывает рельеф местности, температуру и загруженность дорог, чтобы оценить, сможет ли автомобиль завершить запланированный маршрут без полной разрядки.
Гибридная модель аккумулятора Калифорнийского университета в Риверсайде точно прогнозирует запас хода электромобиля и его реальные эксплуатационные характеристики.
Согласно отчёту, опубликованному в журнале iScience, исследовательская группа под руководством Михри и Дженгиз Озкан разработала модель SOM, сочетая обучение на основе данных с физическими моделями. Этот гибридный подход использует данные о заряде, разряде и нагреве аккумулятора, следуя электрохимическим и термодинамическим законам, что обеспечивает высокую надёжность прогнозов даже в изменяющихся условиях, таких как крутые подъёмы или внезапное похолодание. Этот метод позволяет преодолеть разрыв между простыми оценками заряда и реалистичными аналитическими данными, учитывающими специфику миссии.
Кроме того, команда обучила модель, используя общедоступные наборы данных НАСА и Оксфордского университета, чтобы проверить её точность. Они содержат долгосрочные данные о напряжении, температуре и рабочих циклах. Результаты показали, что SOM может снизить погрешность прогнозирования до всего 0,018 вольт для напряжения и 1,37 °C для температуры, что значительно превосходит возможности существующих диагностических систем. В отличие от простого индикатора заряда, SOM может сообщать водителям, следует ли подзарядить аккумулятор в пути или если миссия дрона небезопасна из-за ветра.
Исследователи отметили, что эта модель может сделать электромобили, дроны и даже сетевые системы хранения энергии более безопасными и эффективными, преобразуя сложные данные о состоянии аккумуляторов в практические решения. «Она преобразует абстрактные данные о состоянии аккумуляторов в практические решения», — отметила в отчёте Михри Озкан, отметив, что она улучшает планирование и надёжность всех энергозависимых технологий. Хотя эта модель по-прежнему требует высокой вычислительной мощности, эксперты полагают, что дальнейшая оптимизация сделает её пригодной для коммерческих электромобилей.