論文の概要: State-of-Charge Estimation of a Li-Ion Battery using Deep Forward Neural
Networks
- arxiv url: http://arxiv.org/abs/2009.09543v1
- Date: Sun, 20 Sep 2020 23:47:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-16 13:15:27.310359
- Title: State-of-Charge Estimation of a Li-Ion Battery using Deep Forward Neural
Networks
- Title(参考訳): 深部フォワードニューラルネットワークを用いたLiイオン電池の充電状態推定
- Authors: Alexandre Barbosa de Lima and Maur\'icio B. C. Salles and Jos\'e
Roberto Cardoso
- Abstract要約: リチウムイオン電池のためのDeep Forward Networkを構築し,その性能評価を行った。
本研究の貢献はリチウムイオン電池用ディープフォワードネットワークの構築手法とその性能評価である。
- 参考スコア(独自算出の注目度): 68.8204255655161
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This article presents two Deep Forward Networks with two and four hidden
layers, respectively, that model the drive cycle of a Panasonic 18650PF
lithium-ion (Li-ion) battery at a given temperature using the K-fold
cross-validation method, in order to estimate the State of Charge (SOC) of the
cell. The drive cycle power profile is calculated for an electric truck with a
35kWh battery pack scaled for a single 18650PF cell. We propose a machine
learning workflow which is able to fight overfitting when developing deep
learning models for SOC estimation. The contribution of this work is to present
a methodology of building a Deep Forward Network for a lithium-ion battery and
its performance assessment, which follows the best practices in machine
learning.
- Abstract(参考訳): 本稿では,K-foldクロスバリデーション法を用いて,Panasonic 18650PFリチウムイオン(Li-イオン)電池の駆動サイクルを所定の温度でモデル化し,セルの電荷状態(SOC)を推定する2つのディープフォワードネットワークについて述べる。
駆動サイクル電力プロファイルは、18650pfセル用35kwhバッテリーパックを備えた電動トラックに対して算出される。
SOC推定のためのディープラーニングモデルを開発する際に,オーバーフィッティングと戦うことができる機械学習ワークフローを提案する。
この研究の貢献は、リチウムイオン電池のためのディープフォワードネットワークを構築する方法とその性能評価を提供することであり、機械学習のベストプラクティスに従う。
関連論文リスト
- Learning the P2D Model for Lithium-Ion Batteries with SOH Detection [0.0]
畳み込みニューラルネットワーク(CNN)サロゲートモデルは、ランダムな運転サイクルのクラスからのデータを正確にシミュレートするのに適していることを示す。
我々はCNNがリチウムイオン濃度プロファイルを正確に捉えるのに理想的な選択であることを示した。
論文 参考訳(メタデータ) (2025-02-19T23:17:30Z) - Field Matching: an Electrostatic Paradigm to Generate and Transfer Data [88.05319226856207]
本研究では, 静電場マッチング(EFM)を提案する。
私たちのアプローチは、電気コンデンサの物理学にインスパイアされています。
実際に,おもちゃおよび画像データ実験におけるEMFの性能を実演する。
論文 参考訳(メタデータ) (2025-02-04T14:50:16Z) - An Energy Consumption Model for Electrical Vehicle Networks via Extended
Federated-learning [50.85048976506701]
本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。
バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
論文 参考訳(メタデータ) (2021-11-13T15:03:44Z) - Overcoming limited battery data challenges: A coupled neural network
approach [0.0]
深層ニューラルネットワークを用いた時系列バッテリデータ拡張手法を提案する。
あるモデルはバッテリ充電プロファイルを生成し、別のモデルはバッテリ放電プロファイルを生成する。
その結果,バッテリーデータに制限がある場合の問題点を解消するために,本手法の有効性が示された。
論文 参考訳(メタデータ) (2021-10-05T16:17:19Z) - Optimizing a domestic battery and solar photovoltaic system with deep
reinforcement learning [69.68068088508505]
バッテリーと太陽光発電システムのコストの低下は、ソーラーバッテリーの家庭用システムの増加に繋がった。
本研究では,システム内の電池の充電および放電挙動を最適化するために,深い決定論的ポリシーアルゴリズムを用いる。
論文 参考訳(メタデータ) (2021-09-10T10:59:14Z) - Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。
RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。
RFBの電荷分配曲線を予測する多相モデルを構築した。
論文 参考訳(メタデータ) (2021-06-17T00:49:55Z) - A Dynamic Battery State-of-Health Forecasting Model for Electric Trucks:
Li-Ion Batteries Case-Study [1.1470070927586016]
本稿では, 電動トラックにおけるLiイオン電池の機械学習による健康状態(SoH)の予後について検討する。
バッテリーSoHを予測するための自動回帰型統合モデリング平均(ARIMA)と教師付き学習(決定木をベース見積もりとして袋詰め)を提案します。
論文 参考訳(メタデータ) (2021-03-30T12:19:21Z) - Analysis of NARXNN for State of Charge Estimation for Li-ion Batteries
on various Drive Cycles [0.0]
State of Charge(SOC)は、EVの範囲を予測するのに役立つメトリクスです。
データ駆動アプローチを選択し、外部入力ニューラルネットワーク(NARXNN)を備えた自動回帰ネットワークを探索し、SOCを正確に推定します。
モデルは従来の統計的機械学習手法より優れており、1e-5の範囲で平均二乗誤差(MSE)を達成する。
論文 参考訳(メタデータ) (2020-12-19T16:11:13Z) - A Temporal Convolution Network Approach to State-of-Charge Estimation in
Li-ion Batteries [0.0]
State of Charge (SOC) は、利用可能なバッテリー容量と総容量の比率であり、パーセンテージで表される。
SOCを正確に推定し、EVで使用中に利用可能な範囲を決定することが重要である。
時間的畳み込みネットワーク (TCN) を用いてSOCを推定する。
論文 参考訳(メタデータ) (2020-11-19T11:27:15Z) - Universal Battery Performance and Degradation Model for Electric
Aircraft [52.77024349608834]
電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。
我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。
このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
論文 参考訳(メタデータ) (2020-07-06T16:10:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。