Fugu-MT 論文翻訳(概要): Forecasting Electric Vehicle Battery Output Voltage: A Predictive Modeling Approach

論文の概要: Forecasting Electric Vehicle Battery Output Voltage: A Predictive Modeling Approach

arxiv url: http://arxiv.org/abs/2404.05776v1
Date: Mon, 8 Apr 2024 06:47:03 GMT
ステータス: 処理完了
システム内更新日: 2024-04-10 18:58:15.256703
Title: Forecasting Electric Vehicle Battery Output Voltage: A Predictive Modeling Approach
Title（参考訳）: 電気自動車のバッテリ出力電圧予測:予測モデリングアプローチ
Authors: Narayana Darapaneni, Ashish K, Ullas M S, Anwesh Reddy Paduri,
Abstract要約: バッテリー管理システムは、電気自動車とハイブリッド車の安全性と信頼性を確保する上で重要な役割を担っている。状態評価、監視、電荷制御、セルバランシングなど、BMSに統合されたさまざまな機能に責任がある。
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 battery management system plays a vital role in ensuring the safety and dependability of electric and hybrid vehicles. It is responsible for various functions, including state evaluation, monitoring, charge control, and cell balancing, all integrated within the BMS. Nonetheless, due to the uncertainties surrounding battery performance, implementing these functionalities poses significant challenges. In this study, we explore the latest approaches for assessing battery states, highlight notable advancements in battery management systems (BMS), address existing issues with current BMS technology, and put forth possible solutions for predicting battery charging voltage.
Abstract（参考訳）: バッテリー管理システムは、電気自動車とハイブリッド車の安全性と信頼性を確保する上で重要な役割を担っている。状態評価、監視、電荷制御、セルバランシングなど、BMSに統合されたさまざまな機能に責任がある。それでも、バッテリー性能に関する不確実性のため、これらの機能を実装することは大きな課題となる。本研究では,バッテリ状態を評価するための最新のアプローチについて検討し,バッテリ管理システム(BMS)の顕著な進歩に注目し,現行のBMS技術における課題に対処し,バッテリ充電電圧を予測するための解決策を提示する。

関連論文リスト

Deep-MPC: A DAGGER-Driven Imitation Learning Strategy for Optimal Constrained Battery Charging [5.192596329990163]
本論文は,従来の電池充電の予測制御戦略にまつわる課題に対処する革新的な手法を提案する。電気化学モデルを組み込んだ実用的な電池シミュレータから得られた結果は、電池充電性能の大幅な改善を浮き彫りにした。
論文参考訳（メタデータ） (2024-06-23T02:36:02Z)
Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
論文参考訳（メタデータ） (2023-10-18T18:38:59Z)
Driving behavior-guided battery health monitoring for electric vehicles using machine learning [7.6366651125971945]
信頼性の高いバッテリヘルスモニタリングのための機能ベースの機械学習パイプラインを提案する。まず,各個人の健康指標(HI)をメカニズム関連解釈でまとめ,分析した。推定精度と相関分析に基づいて,全ての特徴を慎重に評価・スクリーニングした。
論文参考訳（メタデータ） (2023-09-25T13:24:53Z)
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)
A Dynamic Feedforward Control Strategy for Energy-efficient Building System Operation [59.56144813928478]
現在の制御戦略と最適化アルゴリズムでは、そのほとんどはリアルタイムフィードバックから情報を受け取ることに依存している。本稿では,システム制御のためのシステム特性を同時に構築することによる,ダイナミックな事前知識を組み込む,エンジニアフレンドリな制御戦略フレームワークを提案する。典型的な制御戦略でシステム制御を加熱するケースでテストしたところ、我々のフレームワークは15%の省エネ性を持っていることがわかった。
論文参考訳（メタデータ） (2023-01-23T09:07:07Z)
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)
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)
Learning Hybrid Control Barrier Functions from Data [66.37785052099423]
ハイブリッドシステムの安全な制御法則を得るための体系的なツールが欠如していることから,データから確実に安全な制御法則を学習するための最適化ベースのフレームワークを提案する。特に、システムダイナミクスが知られており、安全なシステム動作を示すデータが利用可能であるような設定を仮定する。
論文参考訳（メタデータ） (2020-11-08T23:55:02Z)
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。