திரள் நுண்ணறிவு மற்றும் பரிணாமக் கணக்கீட்டுக்கான சர்வதேச இதழ்

சுருக்கம்

செயற்கை நரம்பியல் நெட்வொர்க்கைப் பயன்படுத்தி சுமை மற்றும் புதுப்பிக்கத்தக்க ஆற்றலின் குறுகிய கால முன்னறிவிப்பு

ராம் சீனிவாசன், வெங்கி பாலசுப்ரமணியன், புவனா செல்வராஜ்

சுமை முன்கணிப்பு என்பது பேட்டரி நிர்வாகத்தில் மின் சுமை தேவைகளை கணிக்க பயன்படுத்தப்படும் ஒரு நுட்பமாகும். பொதுவாக, குறுகிய கால மின் சுமை முன்கணிப்புக்கு (STLF) பயன்படுத்தப்படும் ஒருங்கிணைக்கப்பட்ட நிலை, பல ஆதாரங்களில் இருந்து சேகரிக்கப்பட்ட எண் அல்லது எண் அல்லாத தகவல்களைக் கொண்டுள்ளது, இது துல்லியமான தரவு மற்றும் திறமையான முன்கணிப்பைப் பெற உதவுகிறது. எவ்வாறாயினும், ஒருங்கிணைக்கப்பட்ட நிலை துல்லியமாக எண் தரவுகளின் சரிபார்ப்பு மற்றும் சோதனை கட்டங்களை கணிக்க முடியாது, இதில் கதிர்வீச்சு நிலை (W/m2) மற்றும் ஒளிமின்னழுத்த வெளியீட்டு சக்தி (W) ஆகியவற்றின் நிகழ்நேர அளவீடுகள் அடங்கும். தற்போதுள்ள வாராந்திர, தினசரி மற்றும் வருடாந்திர சுழற்சி சுமை தரவுகளில் சாதனங்களின் சீரற்ற பயன்பாட்டினால் ஏற்படும் ஏற்ற இறக்கங்கள் காரணமாக முன்னறிவிப்பு ஒரு சவாலாக உள்ளது. இந்த ஆய்வில், பேய்சியன் ரெகுலரைசேஷன் (BR) மற்றும் Levenberg-Marquardt (LM) அல்காரிதம்கள் போன்ற செயற்கை நரம்பியல் நெட்வொர்க் (ANN) முறைகளைப் பயன்படுத்தி இந்தச் சவாலை நாங்கள் சமாளித்துள்ளோம். ANN அடிப்படையிலான முறைகளால் அடையப்பட்ட STLF முன்னறிவிப்பு துல்லியத்தை மேம்படுத்த முடியும். BR மற்றும் LM அல்காரிதம்களின் ஒட்டுமொத்த செயல்திறன் ANN இன் வளர்ச்சிக் கட்டங்களில் பகுப்பாய்வு செய்யப்பட்டது. ANNக்கு பயிற்சி அளிக்கவும் சோதனை செய்யவும் பயன்படுத்தப்படும் உள்ளீட்டு அடுக்கு, மறைக்கப்பட்ட அடுக்கு மற்றும் வெளியீடு அடுக்கு ஆகியவை 24 மணி நேர மின்சாரத் தேவையைக் கணிக்கின்றன. எல்எம் மற்றும் பிஆர் அல்காரிதம்களைப் பயன்படுத்துவது புதுப்பிக்கத்தக்க ஆற்றல் மதிப்பீட்டுத் தேவைக்கு மிகவும் திறமையான கட்டமைப்பை வழங்குகிறது என்று முடிவுகள் காட்டுகின்றன.