Fugu-MT 論文翻訳(概要): Taking Second-life Batteries from Exhausted to Empowered using Experiments, Data Analysis, and Health Estimation

論文の概要: Taking Second-life Batteries from Exhausted to Empowered using Experiments, Data Analysis, and Health Estimation

arxiv url: http://arxiv.org/abs/2402.18859v1
Date: Thu, 29 Feb 2024 05:17:36 GMT
ステータス: 処理完了
システム内更新日: 2024-03-01 16:03:07.376745
Title: Taking Second-life Batteries from Exhausted to Empowered using Experiments, Data Analysis, and Health Estimation
Title（参考訳）: 実験・データ分析・健康評価を用いた第2世代電池の排気から有効利用
Authors: Xiaofan Cui, Muhammad Aadil Khan, Gabriele Pozzato, Surinder Singh, Ratnesh Sharma, Simona Onori
Abstract要約: 電力網蓄電における電気自動車(EV)電池の再利用は、環境問題に対処し、経済価値を高めるための有望な戦略として浮上している。本研究は、グリッドストレージアプリケーションに配備された電池の健康モニタリングアルゴリズムの開発に焦点をあてる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The reuse of retired electric vehicle (EV) batteries in electric grid energy storage emerges as a promising strategy to address environmental concerns and boost economic value. This study concentrates on devising health monitoring algorithms for retired batteries (BMS$_2$) deployed in grid storage applications. Over 15 months of testing, we compile, analyze, and publicly share a dataset of second-life (SL) batteries, implementing a cycling protocol simulating grid energy storage load profiles within a 3 V-4 V voltage window. Four machine learning-based health estimation models, relying on BMS$_2$ features and initial capacity, are developed and compared, with the selected model achieving a Mean Absolute Percentage Error (MAPE) below 2.3% on test data. Additionally, an adaptive online health estimation algorithm is proposed by integrating a clustering-based method, limiting estimation errors during online deployment. These results constitute an initial proof of concept, showcasing the feasibility of repurposing retired batteries for second-life applications. Based on obtained data and representative power demand, these SL batteries exhibit the potential, under specific conditions, for over a decade of grid energy storage use.
Abstract（参考訳）: 電力網蓄電における電気自動車(EV)電池の再利用は、環境問題に対処し経済価値を高めるための有望な戦略として現れている。本研究は、グリッドストレージアプリケーションに配備されたリタイア電池(BMS$_2$)の健康モニタリングアルゴリズムの開発に集中する。 15ヶ月にわたるテストで、我々は第2世代(SL)電池のデータセットをコンパイル、解析、公開し、3V-4V電圧ウィンドウ内のグリッドエネルギー貯蔵負荷プロファイルをシミュレートするサイクリングプロトコルを実装した。 bms$_2$機能と初期容量に依存する4つの機械学習ベースの健康推定モデルを開発し、比較し、選択したモデルがテストデータで平均絶対パーセンテージエラー(mape)を2.3%未満にする。さらに,オンライン配置中の推定誤差を制限するクラスタリング手法を統合することで,適応型オンラインヘルス推定アルゴリズムを提案する。これらの結果は最初の概念実証であり、二次寿命用電池の再購入の可能性を示している。得られたデータと代表的電力需要に基づいて、これらのSL電池は、特定の条件下での10年以上のグリッドエネルギーストレージ使用の可能性を示す。

関連論文リスト

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)
Estimation of Remaining Useful Life and SOH of Lithium Ion Batteries (For EV Vehicles) [0.0]
本稿では,リチウムイオン電池の寿命を推定するための既存手法について概説する。リチウムイオン電池の寿命を正確に予測するための機械学習技術に基づく新しい手法を提案する。
論文参考訳（メタデータ） (2023-05-17T15:35:31Z)
Evaluating feasibility of batteries for second-life applications using machine learning [0.0]
本稿では,引退した電気自動車電池の迅速な評価を可能にするための機械学習技術の組み合わせについて述べる。提案アルゴリズムは,利用可能なバッテリ電流と簡易な統計値を用いた電圧測定から特徴量を生成する。相関分析を用いて特徴を選択し、ランク付けし、バッジによって強化されたガウスプロセス回帰を採用する。
論文参考訳（メタデータ） (2022-03-08T18:07:33Z)
Battery Cloud with Advanced Algorithms [1.7205106391379026]
バッテリクラウドまたはクラウドバッテリ管理システムは、クラウド計算パワーとデータストレージを活用して、バッテリ安全性、パフォーマンス、経済性を改善する。この研究は、電気自動車やエネルギー貯蔵システムから計測されたバッテリーデータを収集するバッテリクラウドを提示する。
論文参考訳（メタデータ） (2022-03-07T21:56:17Z)
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)
Data Driven Prediction of Battery Cycle Life Before Capacity Degradation [0.0]
本稿では,Kristen A. Seversonらが実施したデータと手法を用いて,研究チームが使用した方法論を探索する。基本的な取り組みは、機械学習技術が、バッテリー容量を正確に予測するために、早期ライフサイクルデータを使用するように訓練されているかどうかを確認することである。
論文参考訳（メタデータ） (2021-10-19T01:35:12Z)
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)
State-of-Charge Estimation of a Li-Ion Battery using Deep Forward Neural Networks [68.8204255655161]
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。
論文参考訳（メタデータ） (2020-09-20T23:47:11Z)
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)
Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文参考訳（メタデータ） (2020-02-20T04:58:07Z)

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。