1. Regressione Lineare

Cosa fa: Presume una degradazione costante per chilometro. Traccia una linea retta forzando l'inizio al 100% (batteria nuova).

Quando è utile: Fornisce lo scenario peggiore. Utile per la pianificazione conservativa e i limiti di garanzia.

2. Radice Quadrata (√km)

Cosa fa: Modella una degradazione intensa all'inizio che rallenta con l'uso. Riflette la crescita dello strato SEI.

Base scientifica: La Legge di Fick (diffusione ionica) prevede che la crescita dello strato SEI segua una relazione √t.

3. Legge di Potenza

Cosa fa: Adatta un esponente b variabile. Quando b ≈ 0.5, il comportamento coincide con il modello √km.

Base scientifica: NREL identifica b ≈ 0.5 come valore tipico per l'invecchiamento calendario in LFP.

Cos'è l'R² (R-quadrato)?

Il coefficiente di determinazione R² misura quale proporzione della variabilità dei dati è spiegata dal modello. Va da 0% a 100%.

• R² > 80% Ottima aderenza, previsione molto affidabile
• R² 50-80% Aderenza moderata, previsione utile
• R² < 50% Aderenza scarsa, previsione orientativa

Il modello con R² più alto è contrassegnato come "Miglior modello".

Punteggio di Confidenza (0-100)

Indica quanto sono affidabili le previsioni in base a tre fattori:

• Registri (max 30 pts): Più campioni = maggiore precisione statistica
• Copertura km (max 40 pts): Dati a chilometraggio superiore = migliore estrapolazione
• R² massimo (max 30 pts): Migliore aderenza del modello dominante