view in publisher's site

Li‐ion battery state of health estimation through Gaussian process regression with Thevenin model

Summary This paper proposes a model‐based and data‐driven joint method to estimate the state of health of Li‐ion batteries. To accurately quantify battery degradation, a novel resistance‐based aging feature is defined from the Thevenin model, and the defined aging feature is approximately linear with capacity degradation. An orthogonal experimental design and a two‐way analysis of variance are used to validate the robustness of the defined aging feature. Considering the influence of temperature on battery performance, Box‐Cox transformation is introduced to improve the aging feature linearity at low temperatures. Then, an estimator for state of health is established by using Gaussian process regression. Battery aging experiments are conducted to illustrate the estimation effect of the proposed method. The experimental results show that the proposed method has high estimation accuracy at different temperatures. Using the same aging feature, the backpropagation network and support vector regression are implemented to verify the generality of the estimation framework.

بررسی وضعیت باتری یون لی از طریق رگرسیون فرآیند گاوسی با مدل Thevenin

خلاصه این مقاله یک روش مشترک مبتنی بر مدل و مبتنی بر داده را برای تخمین وضعیت سلامت باتری‌های لیتیوم یونی پیشنهاد می‌کند. برای تعیین دقیق کمیت تخریب باتری، یک ویژگی قدیمی مقاومت مبتنی بر مقاومت از مدل Thevenin تعریف می‌شود و ویژگی پیری تعریف‌شده تقریبا با تجزیه ظرفیت خطی است. یک طراحی تجربی متعامد و یک تحلیل دو سویه واریانس برای اعتبار کردن نیرومندی ویژگی پیری تعریف‌شده به کار می‌رود. با در نظر گرفتن تاثیر دما بر عملکرد باتری، انتقال باکس - کاکس به بهبود ویژگی سالخوردگی خطی در دماهای پایین معرفی شد. سپس، یک برآورد کننده برای وضعیت سلامت با استفاده از رگرسیون فرآیند گاوسی ایجاد می‌شود. آزمایش‌ها مربوط به سن باتری برای نشان دادن اثر تخمین روش پیشنهادی انجام شده‌است. نتایج تجربی نشان می‌دهد که روش پیشنهادی دارای دقت تخمین بالایی در دماهای مختلف است. با استفاده از همان ویژگی قدیمی، شبکه backpropagation و رگرسیون بردار پشتیبان برای تایید کلیت چارچوب تخمین بکار گرفته می‌شوند.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Fuel Technology
  • ترجمه مقاله Fuel Technology
  • مقاله تکنولوژی سوخت
  • ترجمه مقاله تکنولوژی سوخت
  • مقاله Energy Engineering and Power Technology
  • ترجمه مقاله Energy Engineering and Power Technology
  • مقاله مهندسی انرژی و فن‌آوری قدرت
  • ترجمه مقاله مهندسی انرژی و فن‌آوری قدرت
  • مقاله Renewable Energy, Sustainability and the Environment
  • ترجمه مقاله Renewable Energy, Sustainability and the Environment
  • مقاله انرژی تجدید پذیر، پایداری و محیط زیست
  • ترجمه مقاله انرژی تجدید پذیر، پایداری و محیط زیست
  • مقاله Nuclear Energy and Engineering
  • ترجمه مقاله Nuclear Energy and Engineering
  • مقاله انرژی و مهندسی هسته‌ای
  • ترجمه مقاله انرژی و مهندسی هسته‌ای
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.