論文の概要: Interpretable Battery Cycle Life Range Prediction Using Early Degradation Data at Cell Level

• arxiv url: http://arxiv.org/abs/2204.12420v1
• Date: Tue, 26 Apr 2022 16:26:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-27 15:12:12.060061
• Title: Interpretable Battery Cycle Life Range Prediction Using Early Degradation Data at Cell Level
• Title（参考訳）: 細胞レベルでの早期劣化データを用いた解釈可能なバッテリーサイクル寿命予測
• Authors: Huang Zhang, Yang Su, Faisal Altaf, Torsten Wik, Sebastien Gros
• Abstract要約: 電池劣化機構の最小限の知識で, 電池サイクル寿命のポイント予測のためのデータ駆動手法が提案されている。 物理インフォームド量子回帰フォレスト(QRF)モデルを導入し、不確かさを定量化してサイクル寿命範囲を予測する。 最終QRFモデルの解釈可能性については,2つの大域的モデルに依存しない手法を用いて検討した。
• 参考スコア（独自算出の注目度）: 0.8137198664755597
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Battery cycle life prediction using early degradation data has many potential applications throughout the battery product life cycle. Various data-driven methods have been proposed for point prediction of battery cycle life with minimum knowledge of the battery degradation mechanisms. However, management of batteries at end-of-life with lower economic and technical risk requires prediction of cycle life with quantified uncertainty, which is still lacking. The interpretability (i.e., the reason for high prediction accuracy) of these advanced data-driven methods is also worthy of investigation. Here, a physics-informed Quantile Regression Forest (QRF) model is introduced to make cycle life range prediction with uncertainty quantified as the length of the prediction interval, in addition to point predictions with high accuracy. The hyperparameters of the QRF model are tuned with a proposed area-based performance evaluation metric so that the coverage probabilities associated with the prediction intervals are calibrated. The interpretability of the final QRF model is explored with two global model-agnostic methods, namely permutation importance, and partial dependence plot. The final QRF model facilitates dual-criteria decision-making to select the high-cycle-life charging protocol with consideration of both point predictions and uncertainty associated with the prediction.
• Abstract（参考訳）: 早期劣化データを用いたバッテリサイクルのライフサイクル予測は、バッテリ製品ライフサイクル全体を通して多くの潜在的な応用がある。 電池劣化機構の最小限の知識で, 電池サイクル寿命のポイント予測のためのデータ駆動手法が提案されている。 しかし、経済的・技術的リスクの低い終末期のバッテリーの管理には、定量化された不確実性を伴うサイクルライフの予測が必要である。 これらの高度なデータ駆動手法の解釈可能性(すなわち高い予測精度の理由)も調査に値する。 そこで, 物理インフォームド量子回帰フォレスト(QRF)モデルを導入し, 精度の高い点予測に加えて, 予測間隔の長さとして定量化された不確実性のある周期寿命予測を行う。 QRFモデルのハイパーパラメータは、予測間隔に関連するカバレッジ確率を調整できるように、提案した領域に基づく性能評価指標で調整される。 最終QRFモデルの解釈性は、2つの大域的モデル非依存的手法、すなわち置換重要度と部分依存プロットを用いて検討される。 最終QRFモデルは, 点予測と予測に伴う不確実性を考慮した高サイクル充電プロトコルの選択を容易にする。

関連論文リスト

• Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
  高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。 本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
  論文  参考訳（メタデータ） (2023-09-15T22:06:29Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• 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)
• Two-stage Early Prediction Framework of Remaining Useful Life for Lithium-ion Batteries [6.917843782772814]
  本稿では,リチウムイオン電池のRUL予測手法を提案する。 提案フレームワークは、ニューラルネットワークモデルを用いてFPCを決定することにより、劣化データを異なる健康状態に分割し、FPC後の劣化パターンを予測する。 実験の結果,提案手法は従来のRUL予測法よりも優れていた。
  論文  参考訳（メタデータ） (2023-08-07T15:28:39Z)
• Predicting Battery Lifetime Under Varying Usage Conditions from Early Aging Data [3.739266290083215]
  キャパシティ電圧データを用いて、広範囲な充電速度、放電速度、放電深度で周期された細胞の寿命を予測する。 提案手法は,リチウムイオン電池劣化モードのドメイン知識を機能工学に活用することの重要性を強調した。
  論文  参考訳（メタデータ） (2023-07-17T10:42:21Z)
• Enhanced Gaussian Process Dynamical Models with Knowledge Transfer for Long-term Battery Degradation Forecasting [0.9208007322096533]
  電気自動車のバッテリーの寿命や寿命の予測は、決定的かつ困難な問題だ。 多数のアルゴリズムが、バッテリ管理システムが収集したデータから利用できる機能を組み込んでいる。 この制限を克服できる高精度な手法を開発した。
  論文  参考訳（メタデータ） (2022-12-03T12:59:51Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Taming Overconfident Prediction on Unlabeled Data from Hindsight [50.9088560433925]
  ラベルのないデータに対する予測の不確実性を最小化することは、半教師付き学習において優れた性能を達成するための鍵となる要素である。 本稿では,アダプティブシャーニング(Adaptive Sharpening, ADS)と呼ばれる2つのメカニズムを提案する。 ADSは、プラグインにすることで最先端のSSLメソッドを大幅に改善する。
  論文  参考訳（メタデータ） (2021-12-15T15:17:02Z)
• Comparing seven methods for state-of-health time series prediction for the lithium-ion battery packs of forklifts [1.1470070927586016]
  本報告では, 健康状態の予測において, 緩やかな回帰を推し進める能力について述べる。 われわれは45個のリチウムイオン電池パックのユニークなデータセットを所有しており、データに大きなバリエーションがある。
  論文  参考訳（メタデータ） (2021-07-06T10:52:56Z)
• Uncertainty-aware Remaining Useful Life predictor [57.74855412811814]
  有効寿命 (Remaining Useful Life, RUL) とは、特定の産業資産の運用期間を推定する問題である。 本研究では,Deep Gaussian Processes (DGPs) を,前述の制限に対する解決策と捉える。 アルゴリズムの性能はNASAの航空機エンジン用N-CMAPSSデータセットで評価される。
  論文  参考訳（メタデータ） (2021-04-08T08:50:44Z)
• Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
  確率的時系列予測は、その歴史に基づいて将来の分布を推定する。 本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。 実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
  論文  参考訳（メタデータ） (2021-01-31T06:49:33Z)

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。