Title
Model predykcji stanu dostępnej energii ogniw litowo-żelazowo-fosforanowych
Authors
[ 1 ] Instytut Elektrotechniki i Elektroniki Przemysłowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] employee
Scientific discipline (Law 2.0)
[2.2] Automation, electronics, electrical engineering and space technologies
Title variant
EN State of availabe energy prediction model for lithium-iron-phosphate cells
Year of publication
2024
Published in
Article type
scientific article
Publication language
polish
Keywords
PL
- ogniwo litowo-jonowe
- trwałość akumulatora
- uczenie maszynowe
- modelowanie trwałości
EN
- lithium-ion cell
- battery life
- machine learning
- cycle life modeling
Abstract
PL W artykule zajęto się problemem predykcji stanu dostępnej ogniw litowo-żelazowo-fosforanowych (LFP) z wykorzystaniem technik uczenia maszynowego. Omówiono realizowaną wiele miesięcy procedurę eksperymentalną oraz przedstawiono wyniki dla 12 ogniw pracujących cyklicznie w różnych warunkach temperaturowych i obciążeniowych. Zaprezentowano koncepcję modelu predykcji stanu dostępnej energii wraz z jego weryfikacją. Skuteczność proponowanej metody potwierdzono uzyskując średni błąd na poziomie 5%.
EN he paper deals with the problem of state of avaiable energy prediction for a lithium-iron-phosphate (LFP) cell using machine learning techniques. The experimental procedure which was carried out for many months is discussed and the results for 12 cells operating cyclically under different temperature and load conditions are presented. The concept of a model for predicting the state of available energy is presented, along with its verification. The effectiveness of the proposed method was confirmed by obtaining an average error of 5%.
Pages (from - to)
294 - 297
License type
CC BY-NC-ND (attribution - noncommercial - no derivatives)
Open Access Mode
open journal
Open Access Text Version
final published version
Date of Open Access to the publication
at the time of publication
Full text of article
Access level to full text
public
Ministry points / journal
70
Impact Factor
0,4 [List 2023]
System created by Poznań University of Technology
and Poznan Supercomputing and Networking Center
Log in through eKonto to add to SIS