文献

J-GLOBAL ID：202002265609299031   整理番号：20A2798801

ビッグデータ分析に基づくリチウムイオン電池パックの健全性評価の知的状態【JST・京大機械翻訳】

Intelligent state of health estimation for lithium-ion battery pack based on big data analysis

著者 (5件)： Song Lingjun (School of Transportation Science and Engineering, Beihang University, Beijing 100191, PR China) ,  Zhang Keyao (School of Transportation Science and Engineering, Beihang University, Beijing 100191, PR China) ,  Liang Tongyi (School of Transportation Science and Engineering, Beihang University, Beijing 100191, PR China) ,  Han Xuebing (State Key Laboratory of Automotive Safety and Energy, Tsinghua University, Beijing 100084, PR China) ,  Zhang Yingjie (Shanghai Electric Vehicle Public Data Collecting, Monitoring and Research Center, Shanghai 201805, PR China)
資料名： Journal of Energy Storage  (Journal of Energy Storage)
巻： 32  ページ： Null  発行年： 2020年 
JST資料番号： W3042A  ISSN： 2352-152X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 車内リチウムイオン電池の健康状態(SOH)は,電気自動車(EVs)の加速性能と駆動範囲を直接決定するだけでなく,電池の残留値も反映する。特に,データ取得と解析技術の発展により,電池SOHのオンライン評価を実現するための大きなデータを用いることは,重要な意義を示す。本論文では,大きなデータプラットフォームによって収集されたEVの実世界データに基づく知的SOH推定フレームワークを提案した。よりアクセス可能な検出によって定義して,歴史的操作データから健康特徴を抽出した。次に,深層学習プロセスは,劣化指数によって駆動するフィードフォワードニューラルネットワークにおいて実行した。推定法は,異なる駆動モードを有する700の車両からの1年間のモニタリングデータセットによって検証される。結果は,提案したフレームワークが4.5%の最大相対誤差でSOHを効果的に推定することができ,大きいデータプラットフォームに基づく電池パックの老化傾向を記述することを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *電池 ,  加速性能 ,  電気自動車 ,  データ収集 ,  機械学習 ,  *リチウムイオン電池
準シソーラス用語： 健康状態 ,  フィードフォワードニューラルネットワーク ,  健全性評価 ,  オンライン ,  推定法 ,  *ビッグデータ ,  *電池パック ,  深層学習 ,  運転データ , 【Automatic Indexing@JST】

著者キーワード (4件)： リチウムイオン電池 ,  健康の状態 ,  ビッグデータ分析 ,  機械学習法

分類 (2件)： 二次電池  (YB04030K) ,  電気自動車  (QG07020B)

タイトルに関連する用語 (3件)： データ分析 ,  リチウムイオン電池 ,  健全性評価