セルレベルにおける初期劣化データを用いた解釈可能電池サイクル寿命予測【JST・京大機械翻訳】

Zhang Huang; Su Yang; Altaf Faisal; Wik Torsten; Gros Sebastien

プレプリント

J-GLOBAL ID：202202202343904076 整理番号：22P0338629

セルレベルにおける初期劣化データを用いた解釈可能電池サイクル寿命予測【JST・京大機械翻訳】

Interpretable Battery Cycle Life Range Prediction Using Early Degradation Data at Cell Level

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年04月26日プレプリントサーバーでの情報更新日： 2023年04月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

初期劣化データを用いた電池サイクル寿命予測は,電池製品ライフサイクルを通して多くの潜在的用途を有する。そのため,電池劣化機構の最小知識を持つ電池サイクル寿命の点予測のために,様々なデータ駆動法を提案した。しかし,低い経済と技術的リスクを有する寿命末期のバッテリーの急速な増加量を管理することは,定量化された不確実性を有するサイクル寿命の予測を必要とし,まだ不足している。これらの先進的データ駆動法の解釈可能性(すなわち,高い予測精度の理由)も調査に値する。ここでは,サイクル寿命の特定の分布を仮定するという利点を持つQuantle回帰森林(QRF)モデルを導入し,高精度の点予測に加えて,予測間隔の幅として定量化された不確実性によるサイクル寿命範囲予測を行った。QRFモデルのハイパーパラメータは,予測間隔に関連したカバレッジ確率が較正されるように,提案したα-ロジスティック加重基準で最適化される。最終QRFモデルの解釈性を,2つのグローバルモデル-診断方法,すなわち,置換重要性と部分的依存性プロットによって調査した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

二次電池

, , , ,

前のページに戻る