文献

J-GLOBAL ID：202102258682710981   整理番号：21A0994080

リチウムイオン電池の電荷推定の状態:ニューラルネットワーク最適化アプローチ【JST・京大機械翻訳】

State of Charge Estimation in Lithium-Ion Batteries: A Neural Network Optimization Approach

著者 (6件)： Lipu M. S. Hossain (Department of Electrical, Electronic and Systems Engineering, Universiti Kebangsaan Malaysia, Bangi 43600, Malaysia) ,  Hannan M. A. (Department of Electrical Power Engineering, College of Engineering, Universiti Tenaga Nasional, Kajang 43000, Malaysia) ,  Hussain Aini (Department of Electrical, Electronic and Systems Engineering, Universiti Kebangsaan Malaysia, Bangi 43600, Malaysia) ,  Ayob Afida (Department of Electrical, Electronic and Systems Engineering, Universiti Kebangsaan Malaysia, Bangi 43600, Malaysia) ,  Saad Mohamad H. M. (Department of Mechanical and Manufacturing Engineering, Universiti Kebangsaan Malaysia, Bangi 43600, Malaysia) ,  Muttaqi Kashem M. (School of Electrical, Computer and Telecommunications Engineering, University of Wollongong, Wollongong, NSW 2522, Australia)
資料名： Electronics (Web)  (Electronics (Web))
巻： 9  号： 9  ページ： 1546  発行年： 2020年 
JST資料番号： U7178A  ISSN： 2079-9292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 正確でロバストな充電状態(SOC)推定の開発は,電気自動車(EV)の電池寿命,効率,充電制御,および安全運転にとって重要である。本論文では,リチウムイオン電池における充電状態(SOC)推定のための時間遅れニューラルネットワーク(TDNN)アルゴリズムに基づく強化データ駆動法を提案した。それにもかかわらず,SOC精度はTDNNアルゴリズムのハイパーパラメータ選択の適切な値に従う。したがって,TDNNアルゴリズムを,入力時間遅れ(UTD)と隠れニューロン(HN)の最適数を決定するために,改良ホタルアルゴリズム(iFA)によって最適化した。本研究は,静的放電試験(SDT)とハイブリッドパルス電力特性(HPPC)試験の2つの実験試験条件の下で,SOC推定に対するリチウムニッケルマンガンコバルトオキシド(LiNiMnCoO_2)とリチウムニッケルコバルトアルミニウムオキシド(LiNiCoAlO_2)の性能を調べる。また,提案した方法の精度を種々のEV駆動サイクルと温度設定の下で評価した。結果は,iFAベースのTDNNが,1%以下の二乗平均平方根誤差(RMSE)で正確なSOC推定結果を達成することを示した。さらに,提案した方法の有効性とロバスト性を,雑音影響と劣化影響を含む不確実性に対して検証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  雑音 ,  *電荷 ,  放電 ,  電力 ,  不確実性 ,  ニューロン ,  電気自動車 ,  *ニューラルネットワーク ,  ロバスト性 ,  *リチウムイオン電池
準シソーラス用語： 充電状態 ,  電池寿命 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (5件)： 時間遅延ニューラルネットワーク ,  改良ホタルアルゴリズム ,  リチウムイオン電池 ,  充電状態 ,  電気自動車

分類 (1件)： 二次電池  (YB04030K)

引用文献 (44件)：

• Mongird, K.; Viswanathan, V.; Balducci, P.; Alam, J.; Fotedar, V.; Koritarov, V.; Hadjerioua, B. An Evaluation of Energy Storage Cost and Performance Characteristics. Energies 2020, 13, 3307.
• Stampatori, D.; Raimondi, P.P.; Noussan, M. Li-Ion Batteries: A Review of a Key Technology for Transport Decarbonization. Energies 2020, 13, 2638.
• Huang, B.; Pan, Z.; Su, X.; An, L. Recycling of lithium-ion batteries: Recent advances and perspectives. J. Power Sources 2018, 399, 274-286.
• Yuan, W.-P.; Jeong, S.-M.; Sean, W.-Y.; Chiang, Y.-H. Development of Enhancing Battery Management for Reusing Automotive Lithium-Ion Battery. Energies 2020, 13, 3306.
• Balasingam, B.; Ahmed, M.; Pattipati, K. Battery Management Systems-Challenges and Some Solutions. Energies 2020, 13, 2825.

タイトルに関連する用語 (5件)： リチウムイオン電池 ,  電荷 ,  推定 ,  ニューラルネットワーク ,  最適化