文献

J-GLOBAL ID：202202286036419522   整理番号：22A0551185

大容量リチウムイオン電池の熱的および電気的性能予測のためのPythonベースのScikit-Learn機械学習モデル【JST・京大機械翻訳】

Python-based scikit-learn machine learning models for thermal and electrical performance prediction of high-capacity lithium-ion battery

著者 (7件)： Tran Manh-Kien (Department of Chemical Engineering, University of Waterloo, Waterloo, Canada) ,  Panchal Satyam (Department of Mechanical and Mechatronics Engineering, University of Waterloo, Waterloo, Canada) ,  Chauhan Vedang (Department of Mechanical Engineering, Western New England University, Springfield, Massachusetts, USA) ,  Brahmbhatt Niku (J G College of Computer Applications, ASIA Campus, Ahmedabad, India) ,  Mevawalla Anosh (Department of Chemical Engineering, University of Waterloo, Waterloo, Canada) ,  Fraser Roydon (Department of Mechanical and Mechatronics Engineering, University of Waterloo, Waterloo, Canada) ,  Fowler Michael (Department of Chemical Engineering, University of Waterloo, Waterloo, Canada)
資料名： International Journal of Energy Research  (International Journal of Energy Research)
巻： 46  号： 2  ページ： 786-794  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： 電気自動車(EVs)の人気の増加とともに,リチウムイオン(Liイオン)電池のような再充電および高性能電池に対する需要は, soedされている。Liイオン電池システムは,安全で効率的に実行するために電池管理システム(BMS)の使用を必要とする。正確で信頼できる電池モデリングは,適切に機能するためにBMSにとって重要である。現在,多くのBMSアプリケーションはその単純さのために等価回路モデルを使用する。しかし,クラウドBMSの開発によって,機械学習バッテリーモデルを利用して,それはBMSの精度と信頼性を潜在的に改良することができた。本研究では,Liイオン電池の熱(温度)と電気的(電圧)挙動を予測するために用いられる4つの異なる機械学習モデルの性能を調べる。25Ahの容量を有するプリズムLiイオン電池セルを3つの異なる周囲温度で定電流プロファイル下でサイクルし,電池の表面温度と電圧を測定した。4つの機械学習回帰モデル-線形回帰,k-最近傍,ランダムフォレスト,およびディシジョンツリーを,Pythonのscikit-learnライブラリを用いて開発し,実験データで検証した。それらの性能の結果を報告し,R2計量を用いて比較した。R2スコアが0.99のディシジョンツリーベースのモデルを,この事例研究で最良のモデルと決定した。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： *イオン ,  電圧 ,  *電池 ,  電流 ,  信頼性 ,  *リチウム ,  電気自動車 ,  モデリング ,  ディシジョンツリー ,  応用プログラム ,  *モデル ,  事例研究 ,  回帰モデル ,  *機械学習 ,  *リチウムイオン電池

著者キーワード (6件)： 電池モデリング ,  リチウムイオン電池 ,  機械学習 ,  多変量多出力回帰 ,  Scikit-Learn ,  熱モデリング

分類 (1件)： 二次電池  (YB04030K)

タイトルに関連する用語 (6件)： 大容量 ,  リチウムイオン電池 ,  性能予測 ,  Python ,  機械学習 ,  モデル