BriefGPT - AI 论文速递
·
使用 Transformer 遇到 wcDTW 以提高实时电池出价：一种新的情景选择方法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
研究者提出了数据驱动的方法，使用多头注意力和并行化友好架构的时间序列转换器和LSTM模型，预测电动车辆的电池SOC和温度。
🎯
关键要点
- 电动车辆的电池技术受到广泛关注，尤其是新材料和化学成分的开发。
- 准确预测电池参数（如SOC和温度）对构建先进的电池管理系统是一项挑战。
- 建议采用数据驱动的方法，利用多头注意力和并行化友好的时间序列转换器和LSTM模型。
- 开发了新颖的TST架构，包括编码器TST + 解码器LSTM和混合式TST-LSTM。
- 使用宝马i3的72次行驶记录数据集来解决电动车电池寿命预测问题。
- 目标是创建准确的TST模型，整合环境、电池、车辆驾驶和加热电路数据，以预测未来的SOC和电池温度。
➡️
