Kolmogorov-Arnold Neural Networks Technique for the State of Charge Estimation for Li-Ion Batteries

Основная цель статьи - адаптация и приложение нейронных сетей типа Колмогорова - Арнольда в электроэнернетике. Нейросети Колмогорова - Арнольда являются новым подходом в области машинного обучения, основанном на классических результатах теории приближений. В отличии от традиционных нейронных сетей, сети Колмогорова - Арнольда задействуют унивариантные функции, параметризованные сплайнами, что позволяет гибко улавливать и изучать сложные активационные шаблоны более эффективно. Такая архитектура нейросетей позволяет существенно улучшать их прогнозирующую способность. В данном исследовании предлагается использовать сети Колмогорова - Арнольда в задаче оценивания уровня заряда в литий-ионных накопителях. Экспериментальные результаты на тестовых базах данных показывают, что нейросетевые модели Колмогорова - Арнольда демонстрируют меньшую максимальную ошибку по сравнению с традиционными нейронными сетями, такими как LSTM и FNN, что показывает высокий потенциал использования нейросетевой модели в сложных ситуациях эксплуатации накопителей энергии. Поддержание низкой максимальной ошибки не только отражает устойчивость нейросетей Колмогорова - Арнольда, но демострирует потенциал в применении технологий глубокого обучения для более точной оценки уровня заряда, предоставляя более надежный подход к управлению системами хранения энергии.

Ключевые слова

состояние заряда (SoC); сети Колмогорова - Арнольда; накопители энергии; нейронная сеть.

Литература

1. Chen Zhilong. State of Charge Estimation Method of Energy Storage Battery Based on Multiple Incremental Features / Chen Zhilong, He Ting, Mao Yingzhe, Zhu Wenlong, Xiong Yifeng et all // Journal of The Electrochemical Society. - 2024. - V. 171, № 7. - Article ID: 070522. - 12 p.
2. Hu Xiaosong. Battery Health Prognosis for Electric Vehicles Using Sample Entropy and Sparse Bayesian Predictive Modeling / Hu Xiaosong, Jiang Jiuchun, Cao Dongpu, B. Egardt // IEEE Transactions on Industrial Electronics. - 2016. - V. 63, № 4. - P. 2645-2656.
3. Dreglea, A. Hybrid Renewable Energy Systems, Load and Generation Forecasting, New Grids Structure, and Smart Technologies / A. Dreglea, A. Foley, U. Hager, D. Sidorov, N. Tomin // Solving Urban Infrastructure Problems Using Smart City Technologies. - 2021. - P. 475-484.
4. Bockrath, S. State of Charge Estimation using Recurrent Neural Networks with Long Short-Term Memory for Lithium-Ion Batteries / S. Bockrath, A. Rosskopf, S. Koffel, S. Waldhor, K. Srivastava, V.R.H. Lorentz // IECON 2019 - 45th Annual Conference of the IEEE Industrial Electronics Society. - Lisbon, 2019. - P. 2507-2511.
5. Tian Jinpeng. Deep Learning Framework for Lithium-ion Battery State of Charge Estimation: Recent Advances and Future Perspectives / Tian Jinpeng, Chen Cheng, Shen Weixiang, Sun Fengchun, Xiong Rui // Energy Storage Materials. - 2023. - V. 61. - Article ID: 102883.
6. Ziming, Liu. KAN: Kolmogorov-Arnold Networks / Liu Ziming, Wang Yixuan, S. Vaidya, F. Ruehle, J. Halverson, M. Soljacic, T.Y. Hou, M. Tegmark // arXiv: Computer Science. - 2024. - 48 p. - URL: https://arxiv.org/abs/2404.19756.
7. Колмогоров, А.Н. О представлении непрерывных функций нескольких переменных в виде суперпозиции непрерывных функций одного переменного и сложения / А.Н. Колмогоров // Доклады академии наук СССР. - 1957. - Т. 114, № 5. - С. 953-956.
8. Арнольд, В.И. О представлении непрерывных функций трех переменных суперпозициями непрерывных функций двух переменных / В.И. Арнольд // Доклады академии наук СССР. - 1957. - Т. 114, № 4. - С. 679-681.
9. Hornik, K. Multilayer Feedforward Networks are Universal Approximators / K. Hornik, M. Stinchcombe, H. White // Neural Networks. - 1989. - V. 2, № 5. - P. 359-366.
10. De Boor, C. A Practical Guide to Splines / C. De Boor // Mathematics of Computation. - 1978. - V. 27, № 149.
11. Дао Минь Хиен. Оценка состояния заряда накопителей энергии с помощью сетей Колмогорова - Арнольда / Минь Хиен Дао, Д.Н. Сидоров // Динамические системы и компьютерные науки: теория и приложения (DYSC 2024): материалы 6-й Международной конференции. - 2024. - С. 206-209.
12. Kollmeyer, P. Panasonic 18650PF Li-ion Battery Data / P. Kollmeyer // Mendeley Data. - 2018.
13. Kollmeyer, P. Turnigy Graphene 5000mAh 65C Li-ion Battery Data / P. Kollmeyer, M. Skells // Mendeley Data. - 2020.
14. Vidal, C. Panasonic 18650PF Li-ion Battery Data and Example FNN and LSTM Neural Network SOC Estimator Training Script / C. Vidal, P.J. Kollmeyer // Mendeley Data. - 2021.
15. GitHub. - URL: https://github.com/KindXiaoming/pykan (дата обращения 20.10.2024).