Generativ süni İİ Bərpa Olunmuş Litium-İon Batareyalarının Davamlı Yenidən İstifadəsinə Güc Verir

Müəlliflər: Shengyu Tao Ruifei Ma Zixi Zhao Guangyuan Ma Lin Su Heng Chang Yuou Chen Haizhou Liu Zheng Liang Tingwei Cao Haocheng Ji Zhiyuan Han Minyan Lu Huixiong Yang Zongguo Wen Jianhua Yao Rong Yu Guodan Wei Yang Li Xuan Zhang Tingyang Xu Guangmin Zhou Abstrakt İstifadə olunmuş batareyaların Səhiyyə Vəziyyətinin (SOH) sürətli və dəqiq qiymətləndirilməsi, təkrar istifadə və təkrar emal üçün mühüm ilkin emal tədbiridir. Bununla belə, məlumata əsaslanan metodlar təsadüfi SOH və doldurma vəziyyəti (SOC) təqaüd şəraiti altında hərtərəfli məlumatların tərtibatını tələb edir. Burada biz göstəririk ki, generasiyaedici təlimlə kömək edilən SOH qiymətləndirilməsi məlumat qıtlığı və heterojenlik çətinliklərini yüngülləşdirməkdə perspektivlidir, bu da 2700 istifadə olunmuş litium-ion batareya nümunəsinin puls injeksiyası məlumat dəsti vasitəsilə təsdiqlənib, 3 katod material növünü, 3 fiziki formatı, 4 tutum dizaynını və 10 SOC səviyyəsi ilə 4 tarixi istifadəni əhatə edir. Yaradılmış məlumatlardan istifadə edərək, bir reqresor, görünməmiş SOC altında 6%-dən aşağı orta mütləq faiz xətası (MAPE) ilə dəqiq SOH qiymətləndirmələri həyata keçirir. Biz proqnozlaşdırırıq ki, təklif olunan texnikanın vahid tətbiqini nəzərə alsaq, bu, 2030-cu il dünya miqyasında batareya təqaüd ssenarisi üçün məlumatların tərtibat xərclərini azaltmaqla 4.9 milyard dollar elektrik enerjisi xərclərini və 35.8 milyard kq CO2 emissiyasını qənaət edəcək. Bu məqalə, məlumat əldə etməyin bir çox qiymətləndirmə və proqnostik tapşırıqlar üçün vaxt aparan, bahalı və çirkləndirici olduğu nəzərə alınaraq, generasiyaedici üsullardan istifadə edərək məhdud məlumatlardan istifadə edərək genişləndirilmiş məlumat sahəsini araşdırmağın vacibliyini vurğulayır. Giriş Karbonsuzlaşdırılmış enerji keçidində mühüm sektor olan nəqliyyatın elektrifikasiyası, qazıntı yanacaqlarına əsaslanan nəqliyyat paradiqmasını misli görünməmiş şəkildə dəyişdirdi. Litium-ion batareyalar elektrikli nəqliyyat vasitələri (EV) üçün sərfəli, davamlı və təhlükəsiz enerji təchizatı təmin edərək bu keçiddə mühüm rol oynayır. İstifadədə olan və xidmət müddəti başa çatmış EV batareyalarının ümumi tutumu 2050-ci ilə qədər 32–62 terra-vatı üstələyəcək, bu da Beynəlxalq Bərpa Olunan Enerji Agentliyi və Enerji Saxlama Laboratoriyası ssenarilərindəki qiymətləndirmələrdən əhəmiyyətli dərəcədə yüksəkdir. Bununla belə, xidmət müddəti başa çatmış EV batareyaları böyük qalan tutum dəyəri ilə ciddi şəkildə tənzimlənir, adətən nominal tutumun 80%-dən çoxunu təşkil edir. Düzgün idarə olunmazsa, bu, istehsalçılar və istifadəçilər üçün iqtisadi yüklərə, həmçinin sonrakı ekoloji və ictimai problemlərə, o cümlədən resursların israfı, təchizat zənciri riskləri və karbon emissiyalarına səbəb olur. Batareya təqaüdünün fasiləsiz artması ilə bağlı narahatlıqları həll etmək üçün perspektivli strategiyalar təkrar istifadə və təkrar emaldır. Təkrar istifadə zamanı, xidmət müddəti başa çatmış batareyalar şəbəkəyə qoşulmuş enerji saxlama sistemləri, yaşayış məntəqələri üçün enerji təchizatı və aşağı sürətli nəqliyyat vasitələri kimi tətbiqlər üçün yenidən təyinat olunur. Bununla belə, təkrar istifadə ilkin ilkin emal tədbirlərini tələb edir, o cümlədən uyğunluq skrininqi, tutum çeşidlənməsi və yenidən qruplaşdırma tətbiq tələblərinə cavab vermək üçün. Pilot proqramların başlanmasına baxmayaraq, istifadə ssenariləri və təqaüd yolları üçün ciddi standartların olmaması qalıq tutumun rasional istifadəsinə mane olur. Təkrar emal əvəzində materialların çıxarılması və ya struktur təmiri yolu ilə istifadə müddəti başa çatmış batareyaların qalıq dəyərlərindən istifadə edir, geri dönməz şəkildə pozulmuş batareyalar üçün uyğundur. Pirometallurgiya və hidrometallurgiya ilə müqayisədə, birbaşa təkrar emal üstün rentabellik, aşağı enerji istehlakı və azaldılmış karbon emissiyaları ilə fərqlənir. Litium artımı və katod materiallarının sonrakı emalından istifadə edərək, birbaşa təkrar emal material strukturunun təmirini və performansın bərpası həyata keçirir. Bununla belə, səhiyyə vəziyyəti (SOH) birbaşa təkrar emal strategiyası formullarında tələb olunan kimyəvi reaktiv və gözlənilən litium əlavəsi dozalarını müəyyən edir. Dozanın azlığı natamam təmirə səbəb ola bilər, həddindən artıq doza isə katod səthində qalıq qələvin əmələ gəlməsinə səbəb ola bilər, bu da bərpa performansını pisləşdirir. Təəssüf ki, SOH bərpası invaziv material xarakteristikasını və uzun tutum kalibrləmə testlərini tələb edir, invaziv olmayan, sürətli və dayanıqlı SOH əldə edilməsi əsas bir çətinlik olaraq qalır. Tutarlı SOH məlumatını təmin etmək üçün, EV batareyaları izlənilir və bulud platformaları və batareya pasportları tərəfindən əməliyyat məlumatları qeyd olunur. Avropa Parlamenti 14 iyun 2023-cü ildə Batareyalar Direktivi-ni qəbul etdi ki, istifadə müddəti başa çatmış batareyaların xidmət müddətinin sonunda təkrar istifadə oluna, yenilənə və ya təkrar emal oluna bilməsi təmin edilsin. Lakin, tələb olunan izləmə və qeyd etmə proseduru yalnız EV xidmət mərhələsində əlçatandır, istifadə müddəti başa çatmış batareyalar artıq avtomobil daxili izləmə vahitinə qoşulmur. Beləliklə, sahədə mövcud olan SOH məlumatlarını əldə etmək çətindir. Ömürlük məlumatların bütövlüyü, sahə məlumatlarından istifadə edərək SOH qiymətləndirməsini tələb edən əsas bir çətinlik olaraq qalır, tarixi məlumatlara və ya idarə olunan şəraitlərə qarşı. Bir həll yolu, istifadə müddəti başa çatmış batareya toplama sahəsində tutum kalibrləmə testi aparmaqdır, yəni doldurma vəziyyətinin (SOC) tənzimlənməsi, bu sadədir, lakin sərfəli olmayan test vaxtı və əlavə elektrik enerjisi xərclərini tələb edir. Hibrid impuls gücü xarakteristikası testi dinamik impuls injeksiyası ilə SOH qiymətləndirilməsi üçün bir alternativdir, lakin tam test ardıcıllığı 12 saatdan çox vaxt alır. Tao və həmkarları qısa impulslardan istifadə edərək, istifadə müddəti başa çatmış batareyaların SOH qiymətləndirilməsi üçün istifadə etmişlər, lakin bu, 5% SOC-ə qədər SOC tənzimlənməsinin edildiyi fərz olunur, bu da təsadüfi təqaüd SOC şəraitinə çətinliklə uyğun idi. Sensor əsaslı ölçmələrdə son inkişaflara rentgenoqrafiya, elektrokimyəvi empedans, optik lifli sensor, akustik sensor, qismən doldurma və impuls injeksiyası daxildir. Sensor əsaslı texnikalar laboratoriya mərhələsində invazivlik səbəbindəndir, halbuki impuls injeksiyası batareyanın degradasiyasını fiziki zədələnmədən ayırmaq xüsusiyyətinə malikdir, eyni zamanda qismən doldurma və elektrokimyəvi empedans əsaslı üsullardan daha sürətlidir. Bununla belə, impuls injeksiyası məlumata əsaslanan bir metoddur ki, bu yalnız fiziki olaraq ölçülmüş məlumatların model tətbiqi mərhələsinin təqaüd şəraitini əhatə etdiyi ideal fərziyyə altında mümkündür, bu da maşın təlimi ictimaiyyətində domen dəyişməsinin ümumi çətinliyi kimi tanınır. Transfer təlimi və domen uyğunlaşdırma üsullarındakı irəliləyişlərə baxmayaraq, hədəf domeninin uyğunlaşdırılması üçün hələ də tətbiq zamanı əvvəlki məlumat tələb olunduğu və mövcud təlim üsulları təsadüfi təqaüd şəraitləri üçün çətinliklə yenilənə bildiyi üçün çətinliklər davam edir. Alternativ, məlumat qıtlığını və heterojenliyini azaltmaq üçün kəşf edilməmiş təqaüd şəraitində məlumat test miqyasını yaymaqdır, baxmayaraq ki, bu xərclərin artmasına səbəb ola bilər. Wang və həmkarları, termokimyəvi proses zamanı müxtəlif aralıq vəziyyətlərdə reaksiyanın kinetik üstünlüklərini interpolasiya etmək üçün bir temperatur kəşf metodu təklif etdilər, bu da maşın təlimi model təlimi üçün məlumat artımı kimi minimal termokimyəvi eksperimental miqyasda və dəyərdə geniş təlim bazalarının qurulmasına imkan verir. Bundan əlavə, generasiyaedici təlim, qismən dövrəyə alınmış profillərdən artırılmış məlumatlarla SOH qiymətləndirməsinin imkanlarını göstərir, fiziki olaraq test edilmiş məlumatların tələbini azaldır. Bununla belə, batareya təkrar istifadəsi və təkrar emal kontekstində məlumat qıtlığı və heterojenlik, katod material növlərinin, fiziki formatların, tutum dizaynlarının və tarixi istifadələrin qarışığı səbəbindən daha da mürəkkəbdir, bu da şəraitə uyğun pozulma biliklərinin maşın təlimi modellərinə inteqrasiyasını məhdudlaşdırır. Beləliklə, uzun vaxt ardıcıllığı tutum kalibrləməsi və əlavə fiziki təcrübələr tələb etmədən, SOH qiymətləndirmə performansını artırmaq üçün məlumat yaratmaq məqsədi ilə təqaüd şəraitləri və impuls gərginlik cavabları arasındakı asılılıq əlaqəsini nəzərə almaq məqsədəuyğundur. Bu tədqiqatda, biz istifadə olunmuş batareyanın ilkin emalını, yəni SOH qiymətləndirilməsini, qənaət edilmiş fiziki ölçmə vaxtı və dəyərində olan diqqətli variasiya avtoenkoder tərəfindən yaradılan impuls gərginlik cavabı məlumatlarından istifadə edərək həyata keçiririk. Ümumi ilkin emal addımları, transformasiya modeli təlimi və praktik model tətbiqi addımlarının yüksək səviyyəli prosesi Şəkil 1-də göstərilmişdir. Tədqiqat ideyası, istifadə olunmuş impuls gərginlik cavablarının müxtəlif təqaüd şəraitlərində, yəni istifadə olunmuş batareya toplama mərhələsindəki SOC paylanmasında tədqiqi üçün generasiyaedici təlimdən istifadə etməkdir. Sonrakı SOH qiymətləndirilməsi, fiziki olaraq ölçülmüş impuls cavab məlumatları olmadan həyata keçirilir, bu da tənzimləmə SOC-nin gözlənilən səviyyəyə qədər tələb olunan ilkin emal elektrik enerjisi xərclərini və karbon emissiyalarını qənaət edir. Ampere-saat inteqral metodu və maşın təlimi impuls injeksiyası ilə müqayisədə, generasiyaedici təlim daha sürətli generasiya sürəti və dəqiq qiymətləndirməni vurğulayır. Yaradılmış məlumatlarla, sadə bir reqresor, database-də görünməmiş və ya əlçatmaz SOC təqaüd şəraitində aşağı xəta ilə SOH-u uğurla qiymətləndirir, bu da çətin bir çıxış-çıxış-distribusiya (OOD) məsələsidir. OOD məsələsi, sürətli impulsla yaranan SOC şəraiti və gərginlik cavabı arasındakı miras qalan fiziki nümunəni öyrənməklə həll olunur. Bizim metodumuzun ümumiliyini, 3 katod material növünü, 3 fiziki formatı, 4 tutum dizaynını və 4 tarixi istifadəni (1 laboratoriya sürətləndirilmiş yaşlanma, 3 EV istifadəsi, o cümlədən 1 təm qüvvəli ötürücü rejimi və 2 hibrid ötürücü rejimi) əhatə edən 2700 fiziki olaraq ölçülmüş nümunə ilə təsdiqləyərək nümayiş etdiririk. Generasiyaedici təlim, məlumatların ölçülməsi vaxtını, elektrik enerjisi xərclərini və nəticədə yaranan karbon emissiyalarını qənaət etməklə, SOH qiymətləndirmə dəqiqliyini ödəmədən, prior bilikləri gizli məkanda miqyaslandırmanı inteqrasiya etməklə interpolasiya və ekstrapolyasiya üçün uyğundur. Batareya təqaüdünün qlobal bir konservativ tədqiqi, pirometallurgiya, hidrometallurgiya və birbaşa təkrar emal şəraitlərində sürətli və dayanıqlı SOH qiymətləndirməsinin əhəmiyyətini vurğulayır. Texniki-iqtisadi təhlil vasitəsilə, generasiyaedici təlimlə kömək edilən SOH qiymətləndirilməsi, 2030-cu ilə qədər dünya miqyasında 4.9 milyard dollar elektrik enerjisi xərclərinə və 35.8 milyard kq CO2 emissiyalarına qənaət edə bilər. Biz modelin yozulabilməsi, təkrar emal ilkin emalı təsirləri və maşın təlimi ilə inteqrasiya olunmuş smart təkrar emal ilkin emalının gələcək istiqamətlərinin daha geniş aspektlərini müzakirə edirik. İstifadə olunmuş batareya ilkin emalı addımları SOC tənzimlənməsini, fiziki ölçmələri, SOH diaqnostikası üçün maşın təlimini və təkrar istifadə və ya təkrar emaldan əvvəl ikinci həyat qərar qəbul etmə prosesini əhatə edir. SOC tənzimlənməsi, ənənəvi sabit cərəyan sabit gərginlik (CCCV) metodu istifadə edərək istifadə olunmuş batareyaların SOC dəyərlərini istənilən səviyyələrə tənzimləmək deməkdir. Impuls gərginlik cavabı məlumatları yaratmaq üçün diqqətli variasiya avtoenkoderin sxematik təsviri. SOH qiymətləndirilməsi üçün məlumat generasiya modeli-nin praktik istifadəsi əlavə SOC tənzimlənməsi tələb etmir. Təlimli maşın təlimi modeli, yaradılmış məlumatlar tərəfindən təlim edilir və tətbiq mərhələsində olduqda dərhal impuls gərginlik cavablarını alır. İqtisadi və ekoloji faydalar və sürətli generasiya sürəti, 2030-cu il batareya təqaüd ssenarisində SOC tənzimlənməsi xərclərini qənaət etməklə, bizim generasiyaedici təlim metodologiyamızın. a b c d Nəticələr Məlumatların əldə edilməsi Məlumat qıtlığı və heterojenlik, məlumata əsaslanan batareya diaqnostikası və proqnozlaşdırılması üçün, xüsusilə istifadə olunmuş batareyalar üçün əsas çətinliklərdir. 270 fiziki istifadə olunmuş batareyadan 2700 nümunə topladıq, geniş SOC səviyyələrində, yəni 5% ilə 50% arasında 5% daxil olmaqla. Şəkil 2a-da, məlumat dəsti 3 üstün katod material növünü, o cümlədən 119 fiziki olaraq toplanmış NMC (nikel manqan kobalt oksidi), 56 LFP (litium dəmir fosfat) və 95 LMO (litium manqan oksidi) istifadə olunmuş batareyaları əhatə edir, 3 fiziki formatı (silindrik, kisə, prizmatik) və 4 tarixi istifadə modelini (1 laboratoriya sürətləndirilmiş test, 3 EV istifadəsi, o cümlədən 1 təm elektrifikasiya edilmiş ötürücü rejimi və 2 hibrid ötürücü rejimi) əhatə edir. Biz vurğulayırıq ki, yüksək heterojen test nümunələrinin daxil edilməsi, məlumat dətimizi indiyə qədər istifadə olunmuş batareyaların SOH qiymətləndirilməsi üçün ən böyük sürətli impuls əsaslı məlumat dəsti halına gətirir, bu da fiziki olaraq ölçülmüş məlumat dəstlərindən kənarda modelin ümumiliyini asanlaşdırır. İstifadə olunmuş batareyaların paylanması üçün Sankey diaqramı, katod material növlərini, fiziki formatları, tutum dizaynlarını və tarixi istifadələri əhatə edir. Impuls cərəyanı və sonrakı gərginlik cavabı, nöqtələrin ikincil törəməsinin sıfır olduğu nöqtələrdən, yəni gərginlik cavabı əyrisinin ikincil törəməsinin sıfır olduğu nöqtələrdən çıxarılır. U1-dən U21-ə qədər 21 xüsusiyyət nöqtəsi çıxarılır. Xam məlumatların qeyd tezliyi 100 Hz-dir. C-rate-də hər impuls arasındakı istirahət vaxtı 25 saniyədir. Qeyd etmək lazımdır ki, C hərfı 1 saat doldurma (boşaltma) həyata keçirildikdə doldurma (boşaltma) dərəcəsini ifadə edir. Ətraf mühitin temperaturu 25 C-də idarə olunur. Nümunə üçün 2.1 Ah və 21 Ah istifadə olunmuş batareyaların səhiyyə vəziyyəti (SOH) paylanması (Gaussian uyğunluğu). Digər batareya növləri üçün SOH paylanması üçün əlavə Şəkil 1-ə baxın. Fərqli doldurma vəziyyəti (SOC) şəraitində, ölçülmüş impuls gərginlik cavabı və tutum kalibrləmə testindən kalibrlənmiş SOH arasındakı əlaqə. İlk xüsusiyyət ölçüsü, U1, göstərilir. Fərqli batareya təqaüdü SOC paylanmaları altında interpolasiya və ekstrapolyasiya məlumat generasiya halının nümunəsi. Ətraflı test parametrləri Əlavə Qeydlərdə 1 və 2-də tapıla bilər, C-rate parametrlərinin bütün katod material növlərində eyni olduğunu qeyd etmək lazımdır. Mənbə məlumatları Mənbə Məlumatları faylı kimi təqdim olunur. a b c d e Adi sabit cərəyan sabit gərginlik (CCCV) testindən fərqli olaraq, impuls testi daha az test vaxtı və istifadə olunmuş batareyalara əlavə zərər vermir. Buna görə də, biz SOH-u təyin etmək üçün CCCV nəticələrini benchmark tutum dəyərləri kimi istifadə edirik. Generasiyaedici təlim modeli üçün təlim məlumatları kimi impuls testi məlumatları istifadə olunur. Batareyanın katod material növü fərqli olsa da, praktik istifadə üçün uyğunluğu təmin edən standartlaşdırılmış və əlçatan xüsusiyyət mühəndisliyi həyata keçiririk. Şəkil 2b impuls cərəyanı injeksiyasından sonra xüsusiyyət çıxarılmasını nümayiş etdirir. CCCV və impuls injeksiyası eksperimental parametrləri Əlavə Qeyd 1-də tapıla bilər. İlk beş injeksiyalı impuls üçün, gərginlik cavablarının ikinci dərəcəli törəməsinin sıfır olduğu nöqtələr, yəni dönmə nöqtələri, xüsusiyyətlər kimi qeyd olunur, nəticədə 21-ölçülü xüsusiyyətlər yaranır. 5 saniyəlik impuls vaxtına baxmayaraq, impulsun etibarlılığını yoxlamaq və test vaxtını daha da qısaltmaq məqsədi ilə impuls eninin həssaslıq ölçməsini də həyata keçiririk, bu da 30 ms-dən 5 s-ə qədər dəyişir. Biz laboratoriya testlərində (Əlavə Qeyd 2) sürətləndirilmiş yaşlanma və real EV avtomobil idarəetmə yaşlanmasını nəzərdən keçiririk, baxmayaraq ki, məlumat gizliliyi məhdudiyyətlərinə görə aydın sürücülük profillərinə həssas deyilik. Şəkil 2c-də, sürətləndirilmiş yaşlanma batareyalarının (NMC, 2.1 Ah) və EV avtomobil idarəetmə yaşlanması batareyalarının (NMC, 21 Ah) SOH paylanması göstərilmişdir. SOH dəyərlərinin 0.6 ilə 1 arasında geniş bir SOH bölgəsində tamamlayıcı olduğunu qeyd etsək, toplanmış məlumatlar batareya təqaüd ssenarilərini, həmçinin ekstremal erkən təqaüd hallarını təmsil edir. Digər toplanmış batareyaların (LMO, 10 Ah və LFP 35 Ah) SOH paylanmaları geniş SOH paylanmasını əhatə edir, Əlavə Şəkil 1-ə baxın. Impuls testləri, təsadüfi təqaüd batareyalarının toplanması təsadüfünü simulyasiya etmək üçün 5% ilə 50% arasında dəyişən müxtəlif SOC səviyyələrində təkrarlanır. Test edilmiş SOC bölgəsi, istifadə olunmuş batareyaların ya aşağı SOC göstərməsi, ya da təhlükəsiz anbar saxlama tələbləri üçün məcburi boşaltmaya məruz qalması fərziyyəsi altındadır, buna görə də SOC-nin yuxarı həddi 50% olaraq təyin olunur. Şəkil 2d-də, sürətləndirilmiş yaşlanma batareyalarından (NMC, 2.1 Ah) və EV avtomobil idarəetmə yaşlanması batareyalarından (NMC, 21 Ah) çıxarılan xüsusiyyətlərin ilk ölçüsü göstərilmişdir. Tutum dizaynları və tarixi istifadələrdə fərqliliklərə baxmayaraq, impuls gərginlik cavabları sabit bir pozulma nümunəsi göstərir və digər istifadə olunmuş batareyalar da digər xüsusiyyət ölçüləri üçün eyni şəkildə davam edir, Əlavə Şəkillər 2–5-ə baxın. Bununla belə, istifadə olunmuş batareyaların SOC paylanması davamlıdır və buna görə də fiziki ölçmələrlə tükənməz. Məlumat test miqyasını yaymaq əvəzinə, biz SOC şəraitində daha müxtəlif məlumat yaratmaq üçün artıq test edilmiş impuls gərginlik cavabı məlumatlarını istifadə edirik. Şəkil 2e-də, iki generasiya ssenarisi, yəni interpolasiya və ekstrapolyasiya, vahid tənzimləmə qənaəti, elektrik enerjisi qənaəti, CO2 emissiya azalmaları və onların hesablanma üsulları Əlavə Cədvəllərdə 1–3-də təqdim olunur. Impuls gərginlik cavabı məlumat generasiyası İlk olaraq, birbaşa yeni məlumat nümunələri yaratmaqdan imtina edərək, artıq ölçülmüş impuls gərginlik cavabı məlumatlarını özlərini yenidən qurmaq üçün istifadə etməyi nəzərdən keçiririk. Yenidən qurma o deməkdir ki, ölçülmüş məlumatlar əvvəlcə orijinal statistik paylamalardan (Əlavə Şəkil 6) öyrənilmiş bir struktur saxlayaraq gizli bir dəyişən sahəsinə sıxılır və sonra orijinal ölçülərə yenidən sıxılır. Bu tədqiqatda, yenidən qurma, Şəkil 1b-də göstərildiyi kimi, enkoder neyron şəbəkəsi modelini və dekoder neyron şəbəkəsi modelini təlim etməni nəzarət etməyə bərabərdir. Əsas ideya, məhdud ölçülmüş məlumatların istismarını və gizli asılılıqlar vasitəsilə genişləndirilmiş məlumat sahəsinin tədqiqini, təqaüd şəraitləri və impuls gərginlik cavabı məlumatları ilə çarpaz diqqət mexanizmləri vasitəsilə tarazlaşdırmaqdır, baxın "Metodlar". Sonra, şərait məlumatları ilə birləşdirilmiş ölçülmüş məlumatlar enkoder neyron şəbəkəsinə verilir, təqaüd şəraitlərini ehtiva edən gizli dəyişənlər əldə edilir. Sıxılmış gizli dəyişənlər, giriş məlumat nümunələrini yenidən qurmaq üçün təlimli bir dekoder neyron şəbəkəsi modeli tərəfindən sıxılır, bu da şərait məlumatlarına uyğun olaraq idarə olunur. Dekoder neyron şəbəkəsinin başqa bir girişi yalnız Gauss fərziyyəsinə (Əlavə Şəkil 7) uyğun gələn təsadüfi səsdir, bu da əlavə test vaxtı, enerji istehlakı və hətta təhlükəsizlik riskləri ilə bağlı fiziki eksperimental ölçmələri tələb etmir. Şəkil 3a göstərilən məlumat yenidən qurma nəticələri, seçilmiş SOC səviyyələrində (35% və 50%) ilk xüsusiyyət ölçüsü U1 üçün, mütləq faiz xətasının (MAPE) 1%-dən aşağı olması, modelin impuls gərginlik cavabı məlumatları və SOC şəraitləri arasındakı əlaqələri öyrəndiyini göstərir. Bu əlaqələr, 0.6-dan 0.95-ə q