W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz plik Pobierz BibTeX

Tytuł

Useful energy prediction model of a Lithium-ion cell operating on various duty cycles

Autorzy

[ 1 ] Instytut Elektrotechniki i Elektroniki Przemysłowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.2] Automatyka, elektronika, elektrotechnika i technologie kosmiczne

Rok publikacji

2022

Opublikowano w

Eksploatacja i Niezawodność – Maintenance and Reliability

Rocznik: 2022 | Tom: vol. 24 | Numer: no. 2

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • cycle life modelling
  • lithium-ion battery
  • machine learning
  • predictive models
  • useful energy prediction
Streszczenie

EN The paper deals with the subject of the prediction of useful energy during the cycling of a lithium-ion cell (LIC), using machine learning-based techniques. It was demonstrated that depending on the combination of cycling parameters, the useful energy (RUEc) that can be transferred during a full cycle is variable, and also three different types of evolution of changes in RUEc were identified. The paper presents a new non-parametric RUEc prediction model based on Gaussian process regression. It was proven that the proposed methodology enables the RUEc prediction for LICs discharged, above the depth of discharge, at a level of 70% with an acceptable error, which is confirmed for new load profiles. Furthermore, techniques associated with explainable artificial intelligence were applied to determine the significance of model input parameters – the variable importance method – and to determine the quantitative effect of individual model parameters (their reciprocal interaction) on RUEc – the accumulated local effects model of the first and second order.

Data udostępnienia online

13.02.2022

Strony (od-do)

317 - 328

DOI

10.17531/ein.2022.2.13

URL

http://ein.org.pl/sites/default/files/2022-02-13.pdf

Typ licencji

CC BY (uznanie autorstwa)

Tryb otwartego dostępu

otwarte czasopismo

Wersja tekstu w otwartym dostępie

ostateczna wersja opublikowana

Data udostępnienia

13.02.2022

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Pełny tekst artykułu

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Punktacja Ministerstwa / czasopismo

140

Impact Factor

2,5

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.