文献

J-GLOBAL ID：202202257955766127   整理番号：22A1093749

資格試験の初期段階におけるLiイオン電池の健康状態推定:解釈可能な機械学習アプローチ【JST・京大機械翻訳】

State-of-health estimation of Li-ion batteries in the early phases of qualification tests: An interpretable machine learning approach

著者 (3件)： Lee Gyumin (School of Business Administration, Ulsan National Institute of Science and Technology, Republic of Korea) ,  Kim Juram (Center for R&D Investment and Strategy Research, Korea Institute of Science and Technology Information, Republic of Korea) ,  Lee Changyong (Graduate School of Management of Technology, Sogang University, Republic of Korea)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 197  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  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： リチウムイオン(Liイオン)電池認定試験に関連した時間とコストの低減は,電子デバイスの開発および品質保証政策の確立に重要である。本研究では,認定試験の初期段階におけるLiイオン電池の将来の健康状態(SOH)を推定するための解釈可能な機械学習モデルを開発した。最初に,窓移動技術を用いて,あるサイクルにわたって電池容量フェージング挙動を表す統計的特徴を抽出した。第二に,あるサイクルにおけるバッテリーの将来のSOH値を推定するために,機械学習モデルを開発した。第3に,機械学習モデルの性能と信頼性を,SOH推定のための様々な予測層を有する多重実験を用いて評価した。最後に,バッテリーのSOH値を推定するとき,統計的特徴が重要であることを確認するために,SHapley Additive exPlanation(SHAP)法をモデルに適用した。実験結果は,提案したアプローチが,100サイクル,すなわち,5%未満の平均絶対百分率誤差(MAPE)と0.002平均二乗誤差(MSE)より少ない,1か月以下の,認定試験に必要な時間を減らすことができることを確認した。SHAPによるモデル解釈の結果は,Liイオン電池のSOH値の変化がSOH推定に対する値より重要であることを示した。さらに,認定試験中の100サイクル近くのSOH劣化傾向は,電池の将来のSOH値に著しい影響を与えることを証明した。Copyright 2022 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： *イオン ,  *電池 ,  原価 ,  信頼性 ,  品質保証 ,  *リチウム ,  多重化 ,  リチウム化合物 ,  二次電池 ,  モデル ,  *機械学習 ,  電池容量
準シソーラス用語： *健康状態 ,  電子素子 ,  平均二乗誤差 ,  リチウムイオン , 【Automatic Indexing@JST】

著者キーワード (5件)： 健康状態推定 ,  資格試験 ,  Liイオン電池 ,  解釈可能な機械学習 ,  Shapley加法的説明法

分類 (1件)： 二次電池  (YB04030K)

タイトルに関連する用語 (7件)： 資格試験 ,  初期段階 ,  Li ,  イオン ,  電池 ,  状態推定 ,  機械学習