Fugu-MT 論文翻訳(概要): Health diagnosis and recuperation of aged Li-ion batteries with data analytics and equivalent circuit modeling

論文の概要: Health diagnosis and recuperation of aged Li-ion batteries with data analytics and equivalent circuit modeling

arxiv url: http://arxiv.org/abs/2310.03750v1
Date: Thu, 21 Sep 2023 17:15:10 GMT
ステータス: 処理完了
システム内更新日: 2023-10-23 04:37:13.251249
Title: Health diagnosis and recuperation of aged Li-ion batteries with data analytics and equivalent circuit modeling
Title（参考訳）: データ分析と等価回路モデリングによるLiイオン電池の健康診断と回復
Authors: Riko I Made, Jing Lin, Jintao Zhang, Yu Zhang, Lionel C. H. Moh, Zhaolin Liu, Ning Ding, Sing Yang Chiam, Edwin Khoo, Xuesong Yin, Guangyuan Wesley Zheng
Abstract要約: 本稿では,62個の市販高エネルギー型リチウムリン酸リチウム (LFP) セルの経時的および補修実験を行った。比較的大規模なデータにより、機械学習モデルを使用してサイクルライフサイクルを予測し、回復可能なキャパシティの重要な指標を特定できます。
参考スコア（独自算出の注目度）: 12.367920799620965
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Battery health assessment and recuperation play a crucial role in the utilization of second-life Li-ion batteries. However, due to ambiguous aging mechanisms and lack of correlations between the recovery effects and operational states, it is challenging to accurately estimate battery health and devise a clear strategy for cell rejuvenation. This paper presents aging and reconditioning experiments of 62 commercial high-energy type lithium iron phosphate (LFP) cells, which supplement existing datasets of high-power LFP cells. The relatively large-scale data allow us to use machine learning models to predict cycle life and identify important indicators of recoverable capacity. Considering cell-to-cell inconsistencies, an average test error of $16.84\% \pm 1.87\%$ (mean absolute percentage error) for cycle life prediction is achieved by gradient boosting regressor given information from the first 80 cycles. In addition, it is found that some of the recoverable lost capacity is attributed to the lateral lithium non-uniformity within the electrodes. An equivalent circuit model is built and experimentally validated to demonstrate how such non-uniformity can be accumulated, and how it can give rise to recoverable capacity loss. SHapley Additive exPlanations (SHAP) analysis also reveals that battery operation history significantly affects the capacity recovery.
Abstract（参考訳）: 電池の健康評価と回復は第2次liイオン電池の利用において重要な役割を担っている。しかし, 不明瞭な老化機構と回復効果と運転状態の相関関係の欠如により, 電池の健康状態を正確に推定し, セル再生のための明確な戦略を考案することは困難である。本稿では,62個の市販高エネルギー型リチウムリン酸リチウム (LFP) セルの老化・再生実験を行い,既存の高出力LFPセルのデータセットを補完する。比較的大規模なデータによって、機械学習モデルを使用してサイクルライフを予測し、回復可能なキャパシティの重要な指標を特定できます。セル間不整合を考慮すると、最初の80サイクルから与えられた情報を勾配的に押し上げることで、サイクル寿命予測のための平均テスト誤差が16.84.% \pm 1.87\%$(絶対パーセンテージ誤差)となる。さらに, 回収可能な損失容量のいくつかは, 電極内部のリチウム非均一性に起因することがわかった。等価回路モデルを構築し、実験的に検証し、そのような不均一性がどのように蓄積され、回復可能な容量損失をもたらすかを示す。 shapley Additive exPlanations (SHAP) 分析により、バッテリーの動作履歴がキャパシティリカバリに大きく影響していることが明らかになった。

関連論文リスト

Cell as Point: One-Stage Framework for Efficient Cell Tracking [54.19259129722988]
本稿では,一段階の効率的なセルトラッキングを実現するために,新しいエンドツーエンドCAPフレームワークを提案する。 CAPは検出またはセグメンテーション段階を放棄し、細胞点の軌跡間の相関を利用して細胞を共同で追跡することでプロセスを単純化する。 Capは強力なセルトラッキング性能を示し、既存の方法の10倍から55倍の効率を示している。
論文参考訳（メタデータ） (2024-11-22T10:16:35Z)
AI-Powered Dynamic Fault Detection and Performance Assessment in Photovoltaic Systems [44.99833362998488]
太陽光発電(PV)の断続的な性質により、電力損失は10-70%、エネルギー生産量は25%減少する。現在の故障検出戦略はコストが高く、複雑なデータ信号プロファイルのために信頼性の低い結果が得られることが多い。本研究では,PythonのPVlibライブラリを用いた動的損失量子化アルゴリズムを取り入れた計算モデルを提案する。
論文参考訳（メタデータ） (2024-08-19T23:52:06Z)
Transformer-based Capacity Prediction for Lithium-ion Batteries with Data Augmentation [0.0]
リチウムイオン電池は、輸送、電子機器、クリーンエネルギー貯蔵の技術の進歩に欠かせない。キャパシティを推定する現在の方法は、キー変数の長期的な時間的依存関係を適切に説明できない。本研究では,電池データにおける長期パターンと短期パターンの両方を考慮した変圧器ベースの電池容量予測モデルを構築した。
論文参考訳（メタデータ） (2024-07-22T20:21:40Z)
Optimizing Cycle Life Prediction of Lithium-ion Batteries via a Physics-Informed Model [0.0]
商業用リチウムイオン電池のサイクル寿命を正確に測定することは、性能と技術開発に不可欠である。本稿では, 物理式と自己保持モデルを組み合わせて, 商業用リチウムリン酸リチウムグラファイトセルのライフサイクル寿命を早期サイクルデータで予測するハイブリッド手法を提案する。
論文参考訳（メタデータ） (2024-04-26T06:06:37Z)
BatSort: Enhanced Battery Classification with Transfer Learning for Battery Sorting and Recycling [42.453194049264646]
バッテリータイプ分類のための機械学習に基づくアプローチを導入し、アプリケーションにおけるデータ不足の問題に対処する。本研究では,大規模なデータセットに最適化された既存の知識を活用するために移動学習を適用したBatSortを提案する。実験の結果,BatSortの精度は平均92.1%,最大96.2%であった。
論文参考訳（メタデータ） (2024-04-08T18:05:24Z)
Retrosynthesis prediction enhanced by in-silico reaction data augmentation [66.5643280109899]
RetroWISEは,実データから推定されるベースモデルを用いて,シリコン内反応の生成と増大を行うフレームワークである。 3つのベンチマークデータセットで、RetroWISEは最先端モデルに対して最高の全体的なパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-01-31T07:40:37Z)
Revisiting Plasticity in Visual Reinforcement Learning: Data, Modules and Training Stages [56.98243487769916]
ニューラルネットワークが新しいデータで進化する能力である塑性は、高性能でサンプル効率のよい視覚強化学習に不可欠である。本稿では,批評家の可塑性レベルに基づいてリプレイ率を動的に調整するAdaptive RRを提案する。
論文参考訳（メタデータ） (2023-10-11T12:05:34Z)
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)
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)
A Mapping Study of Machine Learning Methods for Remaining Useful Life Estimation of Lead-Acid Batteries [0.0]
State of Health (SoH) と Remaining Useful Life (RUL) は、バッテリーシステムの予測保守、信頼性、寿命の向上に貢献している。本稿では,鉛蓄電池のSoHとRULを推定するための機械学習手法における最先端のマッピング研究について述べる。
論文参考訳（メタデータ） (2023-07-11T10:41:41Z)
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。