Neues Netzwerk Pace liefert präzise Batteriezustandsvorhersagen

In modernen Energiesystemen – von Elektrofahrzeugen bis hin zu Stromspeichern – sind Batterien unverzichtbare Bausteine. Ein effektives Batteriezustandsmanagement sichert nicht nur die Sicherheit, sondern steigert auch die Kosteneffizienz und Nachhaltigkeit.

Die neue Methode namens Pace kombiniert rohe Sensordaten mit physikalischen Merkmalen, die aus dem äquivalenten Schaltkreismodell abgeleitet werden. Durch diese physikbasierte Integration kann Pace den Zustand einer Batterie genauer vorhersagen als bisherige Ansätze.

Zur Erreichung dieser Genauigkeit nutzt Pace drei spezialisierte Module: dilatierte Zeitblöcke für effiziente zeitliche Codierung, chunked‑Attention‑Blöcke zur Kontextmodellierung und einen Dual‑Head‑Ausgabeblock, der kurz- und langfristige Degradationsmuster zusammenführt. Diese Architektur ermöglicht eine präzise und zugleich schnelle Analyse unter unterschiedlichen Nutzungsbedingungen.

In einem umfangreichen öffentlichen Datensatz übertrifft Pace bestehende Modelle deutlich: Es erzielt eine durchschnittliche Leistungsverbesserung von 6,5 % und ist doppelt so schnell wie die beiden besten Vergleichsmodelle. Darüber hinaus wurde die Methode erfolgreich in Echtzeit auf einem Raspberry Pi eingesetzt, was ihre praktische Einsatzfähigkeit unterstreicht.

Die Ergebnisse positionieren Pace als leistungsstarke und praktikable Lösung für die Analyse des Batteriezustands in realen Anwendungen.