論文の概要: A Transfer Learning-based State of Charge Estimation for Lithium-Ion
Battery at Varying Ambient Temperatures
- arxiv url: http://arxiv.org/abs/2101.03704v1
- Date: Mon, 11 Jan 2021 05:26:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-04 14:49:20.112786
- Title: A Transfer Learning-based State of Charge Estimation for Lithium-Ion
Battery at Varying Ambient Temperatures
- Title(参考訳): 移動学習に基づくリチウムイオン電池の常温帯電状態の推定
- Authors: Yan Qin, Stefan Adams, and Chau Yuen
- Abstract要約: リチウムイオン電池(LiB)駆動デバイスに安定かつ効率的な環境を提供するためには、充電状態(SoC)推定が重要です。
ほとんどのデータ駆動SoCモデルは、温度に対するLiBの高感度を無視し、深刻な予測誤差を引き起こす可能性がある固定周囲温度のために構築されています。
提案手法は, 固定温度での予測誤差(例えば-20degCで24.35%, 25degCで49.82%)を低減させるだけでなく, 新温度での予測精度も向上する。
- 参考スコア(独自算出の注目度): 14.419790834463548
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate and reliable state of charge (SoC) estimation becomes increasingly
important to provide a stable and efficient environment for Lithium-ion
batteries (LiBs) powered devices. Most data-driven SoC models are built for a
fixed ambient temperature, which neglect the high sensitivity of LiBs to
temperature and may cause severe prediction errors. Nevertheless, a systematic
evaluation of the impact of temperature on SoC estimation and ways for a prompt
adjustment of the estimation model to new temperatures using limited data have
been hardly discussed. To solve these challenges, a novel SoC estimation method
is proposed by exploiting temporal dynamics of measurements and transferring
consistent estimation ability among different temperatures. First, temporal
dynamics, which is presented by correlations between the past fluctuation and
the future motion, is extracted using canonical variate analysis. Next, two
models, including a reference SoC estimation model and an estimation ability
monitoring model, are developed with temporal dynamics. The monitoring model
provides a path to quantitatively evaluate the influences of temperature on SoC
estimation ability. After that, once the inability of the reference SoC
estimation model is detected, consistent temporal dynamics between temperatures
are selected for transfer learning. Finally, the efficacy of the proposed
method is verified through a benchmark. Our proposed method not only reduces
prediction errors at fixed temperatures (e.g., reduced by 24.35% at -20{\deg}C,
49.82% at 25{\deg}C) but also improves prediction accuracies at new
temperatures.
- Abstract(参考訳): リチウムイオン電池(LiBs)を駆動するデバイスに安定かつ効率的な環境を提供するために、精度が高く信頼性の高い充電状態推定(SoC)がますます重要になる。
多くのデータ駆動型SoCモデルは、温度に対するLiBsの高感度を無視し、重大な予測誤差を引き起こすような、一定の環境温度のために構築されている。
それでも,soc推定における温度の影響の体系的評価や,限られたデータを用いた推定モデルの新たな温度への迅速な調整方法についてはほとんど議論されていない。
これらの課題を解決するために, 測定の時間的ダイナミクスを活用し, 異なる温度間で一貫した推定能力を伝達することにより, 新たなsoc推定法を提案する。
まず,過去のゆらぎと将来の動きとの相関によって提示される時間力学を正準変量解析を用いて抽出する。
次に、時間的ダイナミクスを用いて、参照SoC推定モデルと推定能力監視モデルを含む2つのモデルを開発する。
モニタリングモデルは、SoC推定能力に対する温度の影響を定量的に評価するための経路を提供する。
その後、参照SoC推定モデルの異常が検出されると、転移学習のために温度間の一貫した時間ダイナミクスが選択される。
最後に,提案手法の有効性をベンチマークを用いて検証した。
提案手法は,一定の温度での予測誤差(-20{\deg}cでは24.35%, 25{\deg}cでは49.82%)を低減し, 新たな温度での予測精度を向上させる。
関連論文リスト
- Temperature Optimization for Bayesian Deep Learning [9.610060788662972]
テストログ予測密度を最大化する温度を選択するためのデータ駆動手法を提案する。
提案手法は,グリッド探索において,コストのごく一部で比較可能な性能を実証的に証明する。
論文 参考訳(メタデータ) (2024-10-08T07:32:22Z) - Calibrating Language Models with Adaptive Temperature Scaling [58.056023173579625]
本稿では,各トークンの温度スケーリングパラメータを予測するポストホックキャリブレーション法であるAdaptive Temperature Scaling (ATS)を紹介する。
ATSは、以前のキャリブレーション法と比較して、3つの下流自然言語評価ベンチマークで10-50%以上のキャリブレーションを改善する。
論文 参考訳(メタデータ) (2024-09-29T22:54:31Z) - Improving Building Temperature Forecasting: A Data-driven Approach with
System Scenario Clustering [3.2114754609864695]
暖房、換気、空調のシステムは、建築セクターにおけるエネルギー使用量の約40%を消費する。
大規模HVACシステム管理では,各サブシステムに対して詳細なモデルを構築することは困難である。
k平均クラスタリング法に基づく新しいデータ駆動室温予測モデルを提案する。
論文 参考訳(メタデータ) (2024-02-21T09:04:45Z) - Cerberus: A Deep Learning Hybrid Model for Lithium-Ion Battery Aging
Estimation and Prediction Based on Relaxation Voltage Curves [7.07637687957493]
本稿では,ディープラーニングに基づくキャパシティ老化推定と予測のためのハイブリッドモデルを提案する。
提案手法は, チャージサイクルと放電サイクルを含む新しいデータセットに対して, 様々な速度で検証する。
論文 参考訳(メタデータ) (2023-08-15T15:07:32Z) - Probe thermometry with continuous measurements [0.0]
標準的なアプローチはプローブサーモメトリーによって提供され、プローブがサンプルと接触し、一定の時間経過後に検査される。
ここでは、プローブが熱貯水池に結合した2層システムによって提供される最小限のモデルを考える。
熱活性化遷移のモニタリングにより、時間とともに精度が向上する温度のリアルタイム推定が可能となる。
論文 参考訳(メタデータ) (2023-07-25T11:00:02Z) - Accurate melting point prediction through autonomous physics-informed
learning [52.217497897835344]
NPTアンサンブルにおける共存シミュレーションから自律的に学習することで融点を計算するアルゴリズムを提案する。
固液共存進化の物理モデルを統合することで、アルゴリズムの精度が向上し、最適な意思決定が可能になることを実証する。
論文 参考訳(メタデータ) (2023-06-23T07:53:09Z) - Long Horizon Temperature Scaling [90.03310732189543]
LHTS(Long Horizon Temperature Scaling)は、温度スケールの関節分布をサンプリングするための新しい手法である。
温度依存性のLHTS目標を導出し, 温度範囲のモデルを微調整することで, 制御可能な長地平線温度パラメータで生成可能な単一モデルが得られることを示す。
論文 参考訳(メタデータ) (2023-02-07T18:59:32Z) - Parameterized Temperature Scaling for Boosting the Expressive Power in
Post-Hoc Uncertainty Calibration [57.568461777747515]
我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。
最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。
当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
論文 参考訳(メタデータ) (2021-02-24T10:18:30Z) - Adiabatic Sensing Technique for Optimal Temperature Estimation using
Trapped Ions [64.31011847952006]
捕捉イオンを用いた最適なフォノン温度推定のための断熱法を提案する。
フォノンの熱分布に関する関連する情報は、スピンの集合的な自由度に伝達することができる。
それぞれの熱状態確率は、各スピン励起構成に近似的にマッピングされることを示す。
論文 参考訳(メタデータ) (2020-12-16T12:58:08Z) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳(メタデータ) (2020-06-13T20:53:17Z) - A latent variable approach to heat load prediction in thermal grids [10.973034520723957]
この方法はスウェーデンのルリアにある1つの多層住宅に適用される。
結果は、人工ニューラルネットワークを用いた予測と比較される。
論文 参考訳(メタデータ) (2020-02-13T09:21:17Z)
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。