文献

J-GLOBAL ID：201702217628930816   整理番号：17A0021820

Gauss過程回帰を用いたリチウムイオン電池の充電推定のオンライン状態【Powered by NICT】

Online state of charge estimation for Lithium-ion batteries using Gaussian process regression

著者 (6件)： Ozcan Gozde (Department of Electrical Engineering and Computer Science, Syracuse University, NY 13244, USA) ,  Pajovic Milutin (Mitsubishi Electric Research Laboratories, 201 Broadway, Cambridge, MA 02139, USA) ,  Sahinoglu Zafer (Mitsubishi Electric Research Laboratories, 201 Broadway, Cambridge, MA 02139, USA) ,  Yebin Wang (Mitsubishi Electric Research Laboratories, 201 Broadway, Cambridge, MA 02139, USA) ,  Orlik Philip V. (Mitsubishi Electric Research Laboratories, 201 Broadway, Cambridge, MA 02139, USA) ,  Wada Toshihiro (Advanced Technology R&D Center, Mitsubishi Electric Corporation, 8-1-1, Tsukaguchi-honmachi, Amagasaki City, 661-8661, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IECON  ページ： 998-1003  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,異なるカーネル関数を用いたリチウムイオン(Liイオン)電池の充電状態(SoC)の状態を推定するためにGauss過程回帰(GPR)の適用を提示した。GPRを用いての実際的な利点の一つは,推定値の不確実性は定量化できるということであり,これはSoC推定の信頼性評価を可能にした。GPRの入力は,電池の電圧,電流と温度の測定で,出力はSoCの推定である。第一に,訓練は,カーネル関数の最適ハイパーパラメータは,データ特性をモデル化するために決定した行った。電池SoCは,訓練されたモデルに基づくオンライン推定した。モデル化された関数の特性に関する事前仮定をコードするのでカーネル関数は,GPRモデルにおける重要な要素である。それ故,推定性能に及ぼすカーネル関数選択の影響は一定の充電および放電電流の下で動作する4.93Ahの公称能力を持ったLiMn2O4/hard炭素電池から集められたシミュレーション・データと実験データの両方を用いて解析した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： モデリング ,  *リチウムイオン電池 ,  *電池 ,  推定量 ,  *充電 ,  不確実性
準シソーラス用語： 放電電流 ,  ハイパーパラメータ ,  信頼性評価 ,  システムオンチップ ,  充電状態 ,  *リチウムイオン ,  Kernel関数 ,  *オンライン ,  *Gauss過程回帰 , 【Automatic Indexing@JST】

分類 (2件)： 音響信号処理  (BB03050C) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： Gauss過程回帰 ,  リチウムイオン電池 ,  充電 ,  推定 ,  オンライン