文献

J-GLOBAL ID：202202280290443959   整理番号：22A0553920

ランダム部分充電データに基づく健康推定のデータ駆動電池状態【JST・京大機械翻訳】

Data-Driven Battery State of Health Estimation Based on Random Partial Charging Data

著者 (5件)： Deng Zhongwei (College of Mechanical and Vehicle Engineering, Chongqing University, Chongqing, China) ,  Hu Xiaosong (College of Mechanical and Vehicle Engineering, Chongqing University, Chongqing, China) ,  Li Penghua (College of Automation, Chongqing University of Posts and Telecommunications, Chongqing, China) ,  Lin Xianke (Department of Mechanical Engineering, Ontario Tech University, Oshawa, ON, Canada) ,  Bian Xiaolei (Department of Chemical Engineering, KTH Royal Institute of Technology, Stockholm, Sweden)
資料名： IEEE Transactions on Power Electronics  (IEEE Transactions on Power Electronics)
巻： 37  号： 5  ページ： 5021-5031  発行年： 2022年 
JST資料番号： D0211B  ISSN： 0885-8993  CODEN： ITPEE8  資料種別： 逐次刊行物 (A)
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： 電池技術の急速な発展は電気自動車(EVs)の展開を促進した。EVsの健全で持続可能な発展を確実にするためには,電池の安全監視,残留値評価,および予測保全の問題を解決することが急務であり,それは電池の正確な健康状態(SOH)推定に大きく依存している。しかし,多くの発表された方法は実際の車両条件には不適当である。この目的のために,ランダム部分充電過程とスパースGauss過程回帰(GPR)に基づくデータ駆動法を提案した。最初に,異なる電圧セグメントにおけるランダム容量増加配列(ΔεQ)を部分充電プロセスから抽出した。ΔεQの平均値と標準偏差を,電池健康を示す特徴として使用した。第2に,相関分析を3種類の電池について行い,特性と電池SOH間の高い相関を,種々の温度と放電電流速度で検証した。第3に,入力として提案した特徴を用いて,スパースGPRモデルを構築して,SOHを推定した。他のデータ駆動法と比較して,スパースGPRは最も高い推定精度を持ち,その平均最大絶対誤差は,それぞれ3種類の電池に対して2.88%,2.52%および1.51%であった。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： 温度 ,  電圧 ,  *電池 ,  標準偏差 ,  電気自動車 ,  *充電 ,  モデル ,  持続可能な開発
準シソーラス用語： 健康状態 ,  相関分析 ,  推定精度 ,  放電電流 ,  *データ駆動 ,  Gauss過程回帰 , 【Automatic Indexing@JST】

分類 (1件)： 電力変換器  (NB08030B)

タイトルに関連する用語 (4件)： 充電 ,  推定 ,  データ駆動 ,  電池