文献

J-GLOBAL ID：202202264620943846   整理番号：22A0979038

機械学習と半経験的方法の組合せによる電池劣化モデリングと予測【JST・京大機械翻訳】

Battery Degradation Modelling and Prediction with Combination of Machine Learning and Semi-empirical Methods

著者 (4件)： Xue Yongjian (DNV,Group Research and Development,Shanghai,China) ,  Zhou Haitao (DNV,Group Research and Development,Shanghai,China) ,  Luo Yunqi (DNV,Group Research and Development,Shanghai,China) ,  Lam James (DNV,Energy Systems,Oslo,Norway)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CPEEE  ページ： 78-85  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電池エネルギー貯蔵システム(BESS)はエネルギー遷移の一部として広く展開されている。正確な電池劣化モデリングと予測は,BESS投資と収入,計画とサイジング,運用監視,および保証検査において,重要な役割を果たす。複雑な操作挙動とシステム変動性は,電池劣化モデリングと予測をより困難にする。本論文では,ロバスト状態(SOH)推定を行うために,機械学習モデルと半経験的方程式を組み合わせた新しい方法論を提案した。サイクル分解解析と共に,このモデルをBESSのリアルタイム分解解析に展開できる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エネルギー移動 ,  *電池 ,  投資 ,  サイジング ,  実験式 ,  *半経験的方法 ,  ロバスト性 ,  *機械学習
準シソーラス用語： 実時間 ,  電池エネルギー貯蔵システム , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 機械学習 ,  半経験的方法 ,  組合せ ,  電池 ,  モデリング ,  予測