Core Concepts
MambaLithiumは、リチウムイオンバッテリーの残存寿命、健康状態、充電状態を正確に推定するための選択的な状態空間モデルです。
Abstract
最近、リチウムイオンバッテリーは電気自動車や新エネルギー産業で重要な位置を占めています。この論文では、MambaLithiumというモデルが導入されました。このモデルは、Mambaアルゴリズムを活用してリチウムイオンバッテリーの複雑な経年劣化と充電ダイナミクスを巧みに捉えます。実世界のバッテリーデータを使用した厳密な実験により、MambaLithiumが優れた性能を発揮し、既存の手法を凌駕していることが確認されました。提案されたMambaLithiumフレームワークは、バッテリー管理システムの向上と持続可能なエネルギー貯蔵ソリューションの促進に期待されています。
Stats
RMSE = v u t 1 n n X t=1 ( ˆXt − Xt) 2 (11)
Baseline: 45.86, 56.29 (RUL estimation)
MambaLithium: 39.71, 47.62 (RUL estimation)
Baseline: 0.47, 0.42 (SOH estimation)
MambaLithium: 0.40, 0.38 (SOH estimation)
Baseline: 2.98, 1.78, 2.04 (SOC estimation at different temperatures)
MambaLithium: 2.50, 1.45, 1.95 (SOC estimation at different temperatures)
DST dataset under room temperature:
Baseline: RMSE = 2.98%
MambaLithium: RMSE = 2.50%
US06 dataset under room temperature:
Baseline: RMSE = 1.78%
MambaLithium: RMSE = 1.45%
Quotes
"Given the remarkable success of Mamba in sequence modeling tasks, this paper introduces MambaLithium."
"Mamba algorithms adeptly capture the intricate aging and charging dynamics of lithium-ion batteries."
"The proposed MambaLithium framework is potential for applications in advancing battery management systems."