Predicción de Aprendizaje Automático del Factor de Salud Relacionado con la Térmica de una Batería en un Vehículo Eléctrico de Batería Utilizando Datos de Conducción del Mundo Real
Autores: Sukkam, Natthida; Katongtung, Tossapon; Suttakul, Pana; Mona, Yuttana; Achariyaviriya, Witsarut; Tippayawong, Korrakot Yaibuathet; Tippayawong, Nakorn
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Predicción de Aprendizaje Automático del Factor de Salud Relacionado con la Térmica de una Batería en un Vehículo Eléctrico de Batería Utilizando Datos de Conducción del Mundo Real
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Vehículos eléctricos
Sistema de gestión térmica
Batería
Modelo de aprendizaje automático
Datos del mundo real
Factores influyentes
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Los vehículos eléctricos (VE) son alternativas a los vehículos tradicionales impulsados por motores de combustión. Este trabajo se centra en un sistema de gestión térmica para vehículos eléctricos de batería utilizando refrigeración líquida y un modelo de aprendizaje automático (AA) para predecir su salud relacionada con la temperatura. Se recopilaron datos del mundo real sobre la operación de los VE, las condiciones de la batería y la refrigeración. Se identificaron los factores clave que influyen en la salud térmica de las baterías. La efectividad del modelo de AA se evaluó en comparación con datos de pruebas experimentales. El modelo de AA demostró ser efectivo en la predicción y análisis de la salud térmica de la batería, sugiriendo su potencial para ser utilizado con el sistema de gestión térmica.
Descripción
Los vehículos eléctricos (VE) son alternativas a los vehículos tradicionales impulsados por motores de combustión. Este trabajo se centra en un sistema de gestión térmica para vehículos eléctricos de batería utilizando refrigeración líquida y un modelo de aprendizaje automático (AA) para predecir su salud relacionada con la temperatura. Se recopilaron datos del mundo real sobre la operación de los VE, las condiciones de la batería y la refrigeración. Se identificaron los factores clave que influyen en la salud térmica de las baterías. La efectividad del modelo de AA se evaluó en comparación con datos de pruebas experimentales. El modelo de AA demostró ser efectivo en la predicción y análisis de la salud térmica de la batería, sugiriendo su potencial para ser utilizado con el sistema de gestión térmica.