Séminaire départemental – Prédire le temps de recharge rapide d’un véhicule électrique avec des réseaux de neurones

Résumé:Prédire le temps nécessaire pour recharger un véhicule électrique de X% à Y% est une tâche difficile en raison de la non-linéarité du processus de charge. De plus, de nombreux facteurs externes l’influencent comme la température ainsi que la dégradation de la batterie. En utilisant environ 28 000 séances de recharge rapide réelle faites sur 16 différents types de véhicules, nous entraînerons et comparerons différents modèles d’apprentissage. Parmi ces modèles se trouvent les régressions linéaires, les régressions polynomiales de degré 2, les forêts aléatoires (degré 1 et 2) ainsi que les réseaux de neurones. Les différents modèles prennent en considération la température, la capacité de la batterie, le nombre de recharges faites dans la même journée, etc. Nous utilisons également des méthodes d’augmentation de données (SMOTE) pour balancer notre jeu de données ainsi que l’optimisation bayésienne pour optimiser les hyperparamètres. La structure des réseaux de neurones est également optimisée grâce à l’optimisation.