Sysblade
展示
電池數位孿生 · PyBaMM DFN (LFP) + 一階 LIC 等效模型

解決 GB200 毫秒級瞬變

電池的數位孿生:物理模型重現真實電池行為, 已對齊公開實測與原廠規格書。切換按鈕,看電容分流讓電池輕鬆多少

方法:PyBaMM DFN 求解 LFP 電芯 · LIC 側以 Resr × Cbulk 等效模型表示(資料表為基準,非電化學模型) · 情境:單一機架、80 kW 基準、每 100 ms ±30 % 方波脈衝

名詞解釋 · 本頁 16 個關鍵術語
瞬變(transient)
AI 伺服器在毫秒之間功率忽高忽低的劇烈抖動(GB200 機架可達 ±30 %);傳統電力設備反應不過來,會造成電壓驟降甚至設備重啟。類比:像家裡有人啟動大功率電器時電燈閃一下——只是這裡規模是 120 kW、而且不停發生。
LFP(磷酸鋰鐵電池)
以安全、耐用著稱的鋰電池化學體系,是本方案的「主力電池」。類比:長跑選手——爆發力不是最強,但能穩定跑很多年。
LIC(鋰離子電容)
介於電池與電容之間的儲能元件,充放極快、可承受數十萬次循環,專門吸收毫秒級的功率尖峰。類比:短跑選手——爆發力極強、恢復極快,但不負責長時間輸出。
60 秒平緩降載(graceful shutdown)
市電中斷後,電池撐住供電 60 秒,讓 GPU 逐步降速、資料存檔完成後才關機——而不是硬斷電。類比:像筆電沒電前先自動存檔再關機。
N-1 / N+1 冗餘
比實際需求多配一台備援,任一台故障其餘照常運作、服務不中斷;「N-1 測試」就是故意拿掉一台來驗證這件事。
SOH(健康度)
電池目前容量相對全新時的百分比;業界慣例低於 80 % 就該汰換。類比:就是手機設定裡「電池健康度 85 %」的那個數字。
RUL(剩餘壽命)
模型預測這顆電池「還能再用多少次循環」,是排程維修與汰換的依據。類比:像車廠提醒「再 5,000 公里該保養」,只是由 AI 針對每一顆電池個別估算。
C-rate(充放電倍率)
衡量電池「放電有多用力」的單位:1 C = 一小時放完整顆電池,數字越大對電池越傷,原廠規格書會給安全上限。類比:像引擎轉速——偶爾拉高沒事,長期逼近紅線會縮短壽命。
日曆老化(calendar aging)
電池就算放著不用,也會隨時間自然變老(受溫度與電量水位影響);備援電池大多時間在待機,所以「放著變老」往往比「用到變老」更早成為壽命瓶頸。
數位孿生(digital twin)
實體電池在電腦裡的「虛擬分身」,以物理方程式模擬其狀態與老化;可以先在分身上做實體很難做的實驗(例如故意弄壞一台)。
PyBaMM / DFN(電池物理模擬)
學術界公認的開源電池模擬工具與其中最高精度的電化學方程式;我們用它模擬電池「內部」發生的事,而不是只看外部數據猜。類比:像先在風洞裡吹過,才上路。
Severson 2019(公開電池資料集)
MIT / Stanford 團隊公開的知名電池壽命資料集,上百顆電芯從全新實測到報廢;我們的模型以它訓練與校準——判斷基準是公開學術資料,不是自家黑盒子。
LSTM(時間序列 AI 模型)
一種擅長從時間序列找規律的 AI 模型;這裡讀取電池每一次循環的健康紀錄,預測它還能用多久。
MAPE(平均絕對百分比誤差)
衡量預測有多準:預測值平均偏離實際值的百分比,越低越準。
ONNX / INT8(模型打包與瘦身)
把訓練好的 AI 模型「打包 + 壓縮」的標準做法,讓模型小到能放進設備內的微控制器、就地運算——不必每次預測都連雲端付費。
UVLO(低電壓保護門檻)
電容電壓的安全底線,一旦低於它系統會自動切斷保護;工程上要證明最壞情況下離這條線仍有餘裕。

混合 · 功率分流 + 電芯響應

您看到的是什麼
DC-DC 控制律將 LPF 截止頻率(≈0.32 Hz,τ=0.5 s)以上的高頻成分導入鋰離子電容;LFP 電池組只承受平滑後的平均功率,電芯電壓維持在平台區、電極應力下降,預期循環壽命延長 ~25 %(提案 §A;此 25 % 主要來自 BBU 低負載排程 §G.3 duty_factor 0.33)。模型範圍:PyBaMM DFN 僅求解 LFP 電芯,LIC 以一階 R_esr × C_bulk 等效模型表示,量產時以 Eaton XLR 資料表曲線驗證。

快的波動給電容、慢的平均給電池 — 電池只承受平滑後的功率。

含 LIC
電芯電壓峰對峰值(穩態)
17.5mV
較基準低 3.5×
功率標準差 → LFP
4.2kW
電流平滑 5.7×
LIC 峰值能量偏移
13.31/ 345 kJ
∫p_lic·dt 運行最大值 · 相對於額定 LIC 容量有 26× 餘量
LIC 電壓壓降(RC 模型)
2.32V(相對額定)
閉合解形式 RC · C 332 F · ESR 2.50 mΩ · v_min 48.98 V(距 Eaton XLR 38 V 截止有 11.0 V)

電芯電壓(V)

ms 級解析度 PyBaMM DFN 求解 · Prada2013 LFP · 等溫假設

線越平越好 — 綠色(混合)比黃色(純電池)穩得多。

標示區間 [4 s, 6 s] = 穩態視窗。游標懸停以暫停掃描並讀取數值。

功率分流:總功率 → LIC + LFP

低通濾波器 τ = 0.5 s · 截止 ≈ 0.32 Hz · 更高頻成分皆導向 LIC

快於 0.5 秒的變化給電容,慢的給電池。

LIC 電容組電壓(閉合解形式 RC 模型)

Eaton XLR 48 V × 2 並聯 · C = 332 F · ESR = 2.50 mΩ · 觀測 v_min 48.98 V · 通過 UVLO @ 38 V

綠線離紅色保護線越遠越安全 — 餘裕充足。

從最壞情況壓降到 Eaton XLR UVLO 之間有 10.98 V 餘量。壓降 由 ESR 主導 926 A 峰值 × 2.50 mΩ ≈ 2.32 V, 而累積電荷項(∫i·dt / C)在峰值能量偏移時貢獻剩餘的約 0.78 V。量產階段會與 Eaton 在迴路中驗證 ESR(SOC) + bulk-C(V) 曲線。

市電中斷 · 機架尺度 60 s 平緩降載

您看到的是什麼
以模擬資料對應 whitepaper §2.1.1 動態降載敘事。階段 A(0–0.5 s):LIC 主導的峰值保持,每 BBU 6 C 脈衝(在車規 LFP 資料表 5–10 C 脈衝規格內);階段 B(0.5–2.0 s):隨 GPU 降頻,從 120 kW 線性降至 30 kW;階段 C(2.0–60 s):30 kW 連續 = 每 BBU 1.5 C(在 1–3 C 連續規格內)。GPU power-cap 收斂時間為工程佔位值,量產前須於 GB200 / Bluefield BMC 實機量測(HANDOVER §6 待解問題)。

突然斷電:電容扛第一秒尖峰,電池撐滿 60 秒 — 存檔完成再關機。

模擬 · 以物理為基準
若市電中斷,機架能維持供電多久 — 現在以及歷經數年老化之後?

這是資料中心採購方最先問的唯一問題。拖動電池組的健康狀態 — 備援續航時間直到壽命末期都遠高於 60 秒優雅關機承諾。

試試看 — 任何老化階段下的備援能力
80 % SOH
備援續航時間
480 s
vs 60 s 承諾值
8.0×
峰值功率能力
67 %

續航時間隨容量等比變化(∝ SOH),即使在壽命末期仍遠高於 60 s 承諾值。 峰值功率能力會隨內阻上升而下降(在此 SOH 下 +50%) — 但毫秒級的峰值由電容承擔,因此這並不會限制 機架。

已用能量 vs 機架容量
2.66% / 20 kWh
已輸出 1913 kJ · 相對於每機架 20 kWh LFP 容量有 38× 餘量
每 BBU C-rate
6 / 1.5C 峰值 / 連續
15 kW × 0.5 s 脈衝(在車規 LFP 5-10 C 脈衝規格內)· 3.75 kW 連續(在 1-3 C 連續規格內)
LIC 壓降 @ t = 0
4.39V(相對額定)
v_min 46.91 V · 距 Eaton XLR 38 V 截止有 8.9 V 餘量(2× XLR-48-166 並聯)
LFP 電芯電壓波動
270mV 峰對峰值
v_min 3.210 V → v_max 3.480 V · LFP 在整個 60 s 降載過程中維持在平台區
全新 vs 壽命末期備援的詳細比較

上方四項數據是全新電池組。 客戶真正關心的是第 7 年 / EOL:當市電在歷經數年老化後中斷, 還剩多少功率與續航?以 DCIR 成長(在 80% SOH 時 +50%)+ 容量衰減建模。

指標BoL(全新)EOL · 80% SOH (~year 10, calendar-bound · aging_lfp.json)
機架峰值時的備援續航時間600 s480 s
… 相對 60 s 承諾的餘量10×8×
LFP 峰值功率能力100%67%
連續供電維持(1.5 C)維持維持

Continuous survival power is 1.5 C — modest, stays above cutoff at EOL, so continuous backup runtime is ENERGY-limited not power-limited (still 8× the 60 s commitment at EOL). The 6 C peak is a sub-100 ms LIC-led pulse (transient_hybrid.json), so the LFP's aged peak-power retention does NOT gate the system peak; it is reported for transparency on the LFP cell alone.

機架功率分流 · 0-60 s

Stage A 0-0.5 s 峰值保持 · Stage B 於 1.5 s 內線性降載 120 → 30 kW · Stage C 30 kW 連續

藍色(電容)扛開頭尖峰,綠色(電池)接手長尾。

LIC 電容組電壓包絡 · 閉合解形式 RC

2× Eaton XLR-48-166 並聯 · v_nominal 51.3 V · 資料表截止 38 V

全程遠離紅色保護線 — 餘裕充足。

機架尺度 60s 平緩降載 · 正常 vs N-1 故障注入

您看到的是什麼
V3 整 rack 60 s graceful 整合模擬:8 BBU 並聯 + LIC bank(2× Eaton XLR-48-166 並聯)+ 一階互補濾波器 τ=0.5 s + GPU power-cap 三段降載(峰值保持 0.5 s / 線性降載 1.5 s / 連續 58 s)+ 集總電芯熱模型。每 BBU 峰值 6.0 C 脈衝 < 2 s、連續 1.50 C,皆在車規 LFP 資料表允許區內。

故意弄壞 1 台:剩 7 台照樣完成 60 秒任務,出力仍在上限內。

V3 / V4 · 孿生驗證 · 模擬資料
每 BBU C-rate
1.50C 連續
3.75 kW × 58 s 連續(在 1-3 C 車規 LFP 規格內)
T_cell 相對環境溫升
0.10K(最高 25.1 °C)
集總電芯熱模型 · 環境 25 °C · 警告 50 °C · whitepaper §6.1
LFP 電芯電壓波動
267mV 峰對峰值
LFP 在整個 60 s 降載過程中維持在平台區
LIC 壓降
4.39V(相對額定)
v_min 46.91 V · 距 UVLO 38 V 有 8.91 V 餘量 · LIC 電容組不受 BBU 損失影響

機架功率分流 · 0–60 s(正常 8 BBU 對稱)

Stage A 0.5 s 峰值保持 · Stage B 線性降載 120 → 30 kW · Stage C 30 kW 連續

電容接尖峰、電池接長尾。

每 BBU LFP 功率

8-BBU 對稱負載 — 所有 BBU 承受相同的縮放電流

八台平分 — 每台都很輕鬆。

電芯熱軌跡 · 集總熱容 + 對流冷卻

I²·R_int 加熱 vs h·A·ΔT 冷卻 · 電芯 C_th 70 J/K · R_int 8 mΩ · 環境 25 °C

溫升不到 1 度 — 離警告線很遠。

BBU 工作模式下的健康狀態

為何 BBU 曲線高於 Severson 1C/1C
容量衰減曲線校準至 Severson 2019 LFP 平均行為。BBU duty 採 0.33 有效循環因子:日曆循環 N 對應 N × 0.33 等效滿循環,因此 80 % SOH 的日曆年齡遠晚於等效 1C/1C 實驗。循環衰減並非 DC 備援工況的約束條件 — 電池組多半在高 SOC 閒置,由日曆/儲存衰減主導。soh_calendar 疊加 Naumann-2018 √t 日曆模型(Arrhenius T × 單調 SOC),校準至 80 % SOH 落在 ~10 yr(對應 v2.2 附件 C 的 8–12 yr LFP 浮充壽命);soh_binding = min(循環, 日曆) 即客戶實際所見。

備援模式下電池老得很慢 — 真正的壽命上限是日曆老化,約 10 年。

SOH @ 2,400 BBU 循環
98.8%
高於 80 % 業界汰換閾值
跌破 80 % SOH 的循環數
3360循環
僅以循環衰減計算可達約 67 年 — 但日曆 / 儲存衰減會先成為瓶頸(下方紅色虛線曲線)。拖動互動式日曆模型,觀察熱與充電水平如何改變它。
拐點(全循環參考)
800循環
Severson 2019 校準點

容量衰減 · 3,000 循環視野

綠線(實際工況)老得慢 — 真正的上限是紅線:日曆老化約 10 年。

日曆 vs 循環 — 究竟哪個限制先成為瓶頸
試試看 — 日曆壽命 vs 儲存條件
30 °C
90 %
日曆壽命 → 80% SOH
10.0
健康 100%80% 門檻60%
0 年5 年10 年15 年20

儲存溫度越高、電量越滿,壽命越短(Arrhenius × SOC、Naumann √t 形式;絕對尺度 校準至提案的 8–12 年 LFP 浮充壽命)。DC 備援長期處於接近滿電狀態, 因此日曆老化 — 而非循環 — 才是綁定限制。

BBU 浮充工作模式下的循環衰減在約 67 年跌破 80 % SOH。 但備援電池組大多在高 SOC 下閒置,此時 日曆 / 儲存衰減占主導 — 紅色虛線曲線即為 DC 浮充條件下的 Naumann-2018 √t 日曆模型(Arrhenius T × 單調 SOC),經校準使 80 % SOH 落在 10 年 — 在 v2.2 附件 C 所引用的 8–12 年 LFP 浮充壽命範圍內。因此 瓶頸壽命 = min(cycle, calendar) = calendar ≈ 10 年。絕對尺度以附件 C 為基準;Naumann 形式 + 文獻範圍的 Ea(≈58 kJ/mol)僅提供 T/SOC 敏感度斜率,而非主要的壽命數字。

日曆壽命(至 80% SOH 的年數)25 °C30 °C35 °C
SOC 50%47.421.910.4
SOC 70%30.814.26.8
SOC 90%(浮充)21.610.04.7

電芯間不平衡與熱老化 · 15S 串列

為何單一代表性電芯不足以說明全貌
對單一電芯老化模型無法表達的電池組層級效應做一階篩選(業師 2026-06-04):(1) 15S 串列中電芯間容量/電阻/SOC 分散 — 最弱電芯限制串列可用容量、最熱電芯限制串列壽命;(2) 機架 inlet→outlet 熱梯度驅動 Arrhenius 局部加速日曆老化;(3) 業師建議的 2 電芯+電容 A/B 拓樸對比。此為界定 EVT 範圍的篩選研究,非完整電化學;單一代表電芯 DFN 仍是主要老化引擎。

整串電池的壽命由最弱、最熱的那顆決定 — 本節就在檢驗它。

可靠度 · 篩選
15S 串列中各電芯經 7 年後的 SOH(機架入風口→出風口 梯度 2840 °C)。 最熱 / 最弱的電芯會拖累整個串列。
80% 門檻
電芯 0 · 28°C(冷入風口)電芯 14 · 40°C(熱出風口)
串列 SOH @ 7 年(最弱)
65.1%
vs 76.6% 平均 — 最弱的電芯決定整個串列
不平衡容量損失
6.7%
主動平衡可回復 +7.2% 可用容量(JK-BMS 8S 主動平衡)
熱端日曆壽命
2.3yr
vs 冷端 13.6 年 — 由 12°C 梯度造成 83% 的差距
最弱電芯
#9
串列電芯共用電流 → 整個串列的容量受此電芯限制
試試看 — 機架熱梯度決定最弱電芯
40 °C · Δ12 °C
85%80% 門檻55%
電芯 1(冷端)電芯 8電芯 15(熱端)
最熱/最弱電芯其餘電芯(顏色越深越接近冷端)
最弱電芯 SOH @ 7 年
65 %
冷端壽命
13.6
熱端壽命
2.3

串聯電芯共用同一電流,因此整串受限於最弱的成員 — 而最熱的 電芯老化最快。管理熱的均勻性(而不只是平均溫度),才是 保護整串壽命的關鍵。

2 電芯 + 電容排列 — 平衡研究

兩顆電芯(弱 = 1.5× R)+ 兩顆電容、兩種排列方式, 在 20 A 瞬變下對弱電芯的保護效果對比:

拓樸弱電芯瞬變強電芯瞬變是否自平衡?
先並後串(每電芯獨立電容)4.00 A5.46 A
先串後並(共用電容)4.62 A4.62 A

parallel-then-series (per-cell cap) cuts the weak cell's transient stress ~13% vs series-then-parallel AND self-balances (cap sheds more from the high-R cell), at the same 2-cap count but per-cell placement. A candidate imbalance-mitigation selling point to validate at EVT.

Series cells share current, so the string is capacity-limited by its weakest member (drags the whole string) and ages around its hottest. Active balancing (JK-BMS 8S active-balance, BBU_IMPLEMENTATION_PLAN BoM) recovers the imbalance penalty by letting every cell contribute.

模型驗證 · 在 Severson + PyBaMM BBU 工作模式上訓練的 LSTM

關於此模型
PyTorch 2 層 LSTM(hidden=64),以 188 顆 LFP 電芯的逐循環摘要特徵訓練(138 顆 Severson 2019 batch 1+2+3 + 50 顆 Severson 錨定的合成 BBU-duty 電芯;解析式衰減 + 各電芯雜訊,非 PyBaMM 老化 — 合成電芯與其標籤共用衰減函數,僅作為工況擴增,見 whitepaper §3.3.5/§3.3.8)。匯出為 ONNX 並於 onnxruntime CPU 上量測,作為 STM32N6 NPU 部署路徑的代理基準。

AI 以上百顆電芯的公開實測訓練 — 準與不準的情境都如實標示。

W2 重現
LSTM 測試 MAPE(實測)
18.1%
橫跨 Severson + BBU 工況的 37 顆保留電芯 · LSTM 以單一工況的精準度換取跨工況的誠實度(僅 Severson 的 13 特徵 bagged-GBT 達成 8.4 % 對齊論文的基準,見 whitepaper §3.3.3)。v2.2 §B <10 % 承諾由 bagged-GBT 集成路徑達成;此 LSTM 區塊為部署的機隊推論引擎。
ONNX 延遲 · 筆電 CPU
0.10ms (p99)
筆電 CPU 上 FP32 p50 0.06 ms / p99 0.10 ms · INT8 實測 p50 0.23 ms / p99 0.40 ms(3.49× ONNX 壓縮,ΔMAPE +0.10 pp)· STM32N6 NPU 估計 ≤5 ms(ST X-CUBE-AI 規格)· 皆遠低於 50 ms 目標
ONNX 大小
127.7KiB
FP32 計算圖;權重總計 219 KiB FP32 → 63 KiB INT8(實測)· 可放入 STM32N6 1.6 MB ML FLASH · 與 PyTorch 數值誤差在 0.0e+0 以內
測試 R²
0.892
訓練 MAPE 18.3 % · 114 顆電芯
90 % PI 中位寬度 · 2,697 1,359 cycles (收窄 50%)
如何做到(split conformal 校準)
MC Dropout 100 個樣本 + split conformal, q = 0.50,保留校準集 = 37 顆電芯,涵蓋率維持在 100%。Whitepaper §3.3.7。

預測 vs 實際循環壽命 · 全部 188 顆電芯

切分 random_80_20_seed42 · 114 訓練 · 37 校準 · 37 測試

點越貼近對角線,預測越準 — 中間空白是模型沒看過的區間。

冷藍色 = Severson 2019 電芯(100–2,000 循環); 暖琥珀色 = PyBaMM BBU 工作模式電芯(5,000–13,000 循環)。 兩者之間的 2,000–4,000 空白就是 工況落差

關於工況落差與跨化學體系測試的更多說明
實驗室快充與溫和浮充工作模式都無法產生 2,000–4,000 範圍內的電芯, 因此要填補中段需要中等應力的合成電芯。 跨化學體系遷移(NASA NMC、CALCE LCO)已測試並排除(whitepaper §B); 答案是增加 LFP 涵蓋範圍,而非增加化學體系。下方逐顆檢視中的 90 % 預測區間 — MC Dropout 經 split conformal 後處理,相較原始取樣器收窄 44 % 同時維持涵蓋率 ≥90 % — 逐顆電芯量化跨越落差區的不確定性。

依電芯壽命分組的誤差模式

分組 · <400 / 400–700 / 700–1000 / 1000–1300 / ≥1300 循環

長條 = 電芯數,琥珀色線 = 各分組內的 MAPE。 短壽命分組 MAPE 最大,因為 Severson 僅有少數幾顆 早期失效電芯

為何 LSTM MAPE 約為 ~18 % 以及 PIs 如何處理它
長壽命分組現在由 50 顆以 Severson 為基準、循環壽命 5,000–13,000 的合成 BBU 工作模式電芯主導 — 加入它們拓寬了模型的工況涵蓋範圍,使其能描述實際的 BBU 運作點, 但將整體測試 MAPE 從僅 Severson 的 ~16 % 提升到 18.1 %(whitepaper §3.3.7 / §3.3.8)。 短壽命分組是最明顯的資料缺口(Severson 早期失效電芯稀少)。 跨化學體系遷移(NASA NMC、CALCE LCO)已測試並排除 (§3.3.5 / 附錄 B);答案是增加 LFP 早期失效資料,而非增加化學體系。上方逐顆檢視為每顆電芯回報 90 % 預測區間 — MC Dropout 經 split conformal 後處理(q_factor 0.50 37 顆電芯的校準集,§3.3.7),相較原始收窄 44 % 同時維持涵蓋率 ≥90 %。
架構 · 31,281 個參數
TCN: dilated Conv1d x4 (dilations 1/2/4/8, ch 32/32/32/48) + GlobalAvgPool + Dense(32) + Linear(1) · 輸入 [99,7] (循環 2–100 × 7 個特徵: cycle_norm, qd_max, qd_range, v_mean, v_std, t_max, duration_s)。

推論逐步檢視 · 模型逐顆電芯看到了什麼

橫跨 四種預測狀態 9 顆電芯 (healthy / warning / early_aging / critical),各自帶有一個 90 % conformal 收窄後 PI

分組與 PIs 如何運作
/dashboard 依設備當前的物理狀態(SOH / RUL / 溫度)將線上設備分為 三個分組;逐步檢視則依預測循環壽命將訓練電芯分組 — 這也是為何 critical 出現在 此處卻不出現在 /dashboard 的原因。每筆預測透過 Monte Carlo Dropout(100 次啟用 dropout 的前向傳遞) 並經 split conformal 後處理,帶有 90 % 預測區間 — 像 critical 這類尾端電芯的寬 PI 是 模型誠實回報其在該處訓練訊號有限,而 healthy 電芯的窄 PI 則反映實際的信心度。
工況混合 · Severson b1–3 vs 以 Severson 為基準的合成 bbu_* 電芯
Severson 快充電芯(b1/b2/b3 ID, 3.6C–8C,實驗室應力壽命 100–2,000 循環)與 以 Severson 為基準的合成 BBU 工作模式電芯 (bbu_* ID,~0.05C 浮充,~50 循環/年 → 5,000–13,000 循環壽命)。 合成電芯使用解析式 Severson 擬合 SOH 曲線 + 各電芯雜訊, 而非 PyBaMM 老化(完整 PyBaMM 100 顆電芯 × 10k 循環在運算上 不可行)。它們僅作為工況擴增 — 量產證據建立在真實的 Severson 電芯上。 LSTM 在兩種工況上訓練(共 188 顆電芯),使其能描述 實際的 BBU 運作點 — 挑選一顆 `bbu_*` 電芯,觀察模型在您客戶電池組將實際運作的 工況上會如何預測。Whitepaper §3.3.5 涵蓋校準方法論。
電芯 ID
bbu_c024
batch bbu
機隊狀態
主要族群
healthy · 約佔 LSTM 訓練電芯分布的 ~69%
實際循環壽命
13,131循環
預測(中位數)
10,205循環
90% PI [0–20,730] · MC Dropout 100 個樣本 + split conformal
誤差
-33.4%
實際值 13,131 落在 conformal 90 % PI 之內 — 此電芯的校準涵蓋率成立。

每循環量測(循環 2 → 100)

全部七項 LSTM 輸入特徵,逐條正規化至 [0, 1]。游標懸停以查看原始數值。

點按任一列即可切換該線條
·

方法 · 您實際看到的是什麼

物理

Doyle-Fuller-Newman PDE, PyBaMM 26.4.1, Prada 2013 LFP

Why
每機架 8 顆 BBU 並聯,將 120 kW 峰值分攤為每 BBU 15 kW(每電芯 6C)。電池組層級的功率映射到一顆代表性電芯,使機架峰值電流對應到(較小的)Prada 電芯上約 6C — 在不重建完整電池組的情況下符合 2.5 kWh / 48 V / 15S 的 BBU 規格。常見陷阱:把單顆 BBU 的 2.5 kWh 除以機架的 120 kW 會得到誤導性的 48C;正確算法是 20 kWh(8 × 2.5)÷ 120 kW = 理論上 600 s,對應 60 s 優雅關機規格。
混合分流

一階 LIC 等效模型 + LPF, τ = 0.5 s,截止 ≈ 0.32 Hz。

Why
LIC 側以其 R_esr × C_bulk 主導時間常數表示(Eaton XLR 48 V / 166 F · ~5 mΩ ESR → τ ≈ 0.83 s);展示刻意採用較緊的控制律設定點 τ = 0.5 s,使 DC-DC 比被動耦合推送更多高頻成分到 LIC。高於截止的成分導向 LIC,緩慢殘量導向 LFP。10 Hz GB200 脈衝遠高於截止;30–90 s 優雅關機事件遠低於截止。此處未建模 LIC 偽電容、電極動力學與自放電 — 量產階段使用 Eaton 資料表的 ESR(SOC) + bulk-C(V) 曲線或迴路內量測。
老化

以 Severson 2019 校準的解析式 SOH 擬合。

Why
在 3,000 循環上執行真正的 DFN 在運算上不可行,因此我們採用解析式擬合。0.33 的 BBU 工作模式係數反映浮充運作搭配罕見的深度事件 — 在提案 §G.3 中明確說明。