文献

J-GLOBAL ID：202202239468907309   整理番号：22A0551251

優れた特徴の自律的選択による勾配ブースティングディシジョンツリーに基づくリチウムイオン電池のための健康状態推定【JST・京大機械翻訳】

State-of-health estimation for the lithium-ion battery based on gradient boosting decision tree with autonomous selection of excellent features

著者 (8件)： Zhang Zhiqi (Department of Energy and Environmental Materials, School of Materials Science & Engineering, Beijing Institute of Technology, Beijing, China) ,  Li Li (Department of Energy and Environmental Materials, School of Materials Science & Engineering, Beijing Institute of Technology, Beijing, China) ,  Li Xi (Department of Energy and Environmental Materials, School of Materials Science & Engineering, Beijing Institute of Technology, Beijing, China) ,  Hu Yuchen (Department of Energy and Environmental Materials, School of Materials Science & Engineering, Beijing Institute of Technology, Beijing, China) ,  Huang Kai (College of Environmental Science and Engineering, Beijing Forestry University, Beijing, China) ,  Xue Bingya (Department of Energy and Environmental Materials, School of Materials Science & Engineering, Beijing Institute of Technology, Beijing, China) ,  Wang Yuqi (CAD-Chemical Analysis Division, Thermofisher, Beijing, China) ,  Yu Yajuan (Department of Energy and Environmental Materials, School of Materials Science & Engineering, Beijing Institute of Technology, Beijing, China)
資料名： International Journal of Energy Research  (International Journal of Energy Research)
巻： 46  号： 2  ページ： 1756-1765  発行年： 2022年 
JST資料番号： A0249B  ISSN： 0363-907X  CODEN： IJERDN  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： リチウムイオン電池の健康状態と残存寿命の予測は,電気自動車と他のデバイスの安全性にとって非常に重要である。しかし,電池残留容量が実時間で測定できないという事実により,電池健康状態の推定は電気自動車の管理システムにとって大きな課題である。現在,機械学習法は,電池健康状態推定に広く使用されている。NASAリチウムイオン電池の実験データに基づいて,本論文は,勾配ブースティングディシジョンツリー(GBDT)モデルフレームワークに基づくモデルを提案し,リチウムイオン電池健康状態の正確な評価を達成するために,元の電池情報指標から有効な特徴をスクリーンする。この研究で,多くの特徴を,電池のオリジナルの充電と放電データから抽出して,2つの方法,相関係数とディシジョンツリーを用いて,初期特徴をスクリーンし,次に,分散インフレーション因子(VIF)を,更なるスクリーニングのために使用し,最後に,効率的反復法を用いて,良好な性能特性の組合せを得た。残留容量推定法の有効性を,NASA電池データセットの研究によって証明した。Copyright 2022 Wiley Publishing Japan K.K. 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 ,  放電 ,  管理システム ,  逐次近似 ,  電気自動車 ,  スクリーン ,  組合せ ,  相関係数 ,  *ディシジョンツリー ,  モデル ,  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 ,  *ブースティング ,  推定法 , 【Automatic Indexing@JST】

著者キーワード (4件)： 勾配ブースティング決定木 ,  リチウムイオン電池 ,  ランダムフォレスト ,  健康の状態

分類 (1件)： 二次電池  (YB04030K)

タイトルに関連する用語 (4件)： 勾配ブースティング ,  ディシジョンツリー ,  リチウムイオン電池 ,  状態推定