已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Long-range battery state-of-health and end-of-life prediction with neural networks and feature engineering

电池(电) 人工神经网络 健康状况 特征工程 人工智能 特征(语言学) 工程类 计算机科学 电压 可靠性工程 荷电状态 机器学习 数据挖掘 深度学习 电气工程 功率(物理) 语言学 物理 哲学 量子力学
作者
Simona Pepe,Francesco Ciucci
出处
期刊:Applied Energy [Elsevier BV]
卷期号:350: 121761-121761 被引量:19
标识
DOI:10.1016/j.apenergy.2023.121761
摘要

Determining the state of health (SOH) and end of life (EOL) represents a critical challenge in battery management. This study introduces an innovative neural network-based methodology that forecasts both the SOH and EOL, utilizing features engineered from charge-discharge voltage profiles. Specifically, long-short-term memory (LSTM) and gated-recurrent unit (GRU) neural networks are trained against fast-charging datasets with novel loss function that emphasizes SOH regression while penalizing its decay. The devised models yield low average errors in SOH and EOL predictions (5.49% and − 1.27%, respectively, for LSTM), over extended horizons encompassing 80% of the forecast battery lifespan. From a combined evaluation using Pearson's correlation and saliency analysis, it is found that voltages most strongly associated with aging occur after the initial constant current rate step. In short, this study offers a new perspective on the precise prediction of SOH and EOL by integrating feature engineering with neural networks.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Joaquin完成签到 ,获得积分10
刚刚
2224270676完成签到,获得积分10
2秒前
小王爱看文献完成签到 ,获得积分10
7秒前
chenwuhao完成签到 ,获得积分10
7秒前
科研达人发布了新的文献求助10
8秒前
书文混四方完成签到 ,获得积分10
8秒前
QMCL完成签到,获得积分0
8秒前
艺术家完成签到 ,获得积分10
8秒前
直觉完成签到,获得积分20
8秒前
单薄绿竹完成签到,获得积分10
10秒前
超级小熊猫完成签到 ,获得积分10
10秒前
温暖妙彤完成签到 ,获得积分10
10秒前
路灯下的小伙完成签到,获得积分10
11秒前
11秒前
梅西完成签到 ,获得积分10
13秒前
急雪回风完成签到,获得积分10
14秒前
RYYYYYYY233完成签到 ,获得积分10
14秒前
清逸发布了新的文献求助10
15秒前
Hairee完成签到,获得积分10
16秒前
16秒前
laomuxile发布了新的文献求助10
17秒前
17秒前
牛马完成签到 ,获得积分10
19秒前
hl268发布了新的文献求助10
21秒前
xiaoming发布了新的文献求助10
22秒前
Hairee发布了新的文献求助10
22秒前
23秒前
丘比特应助二牛采纳,获得10
23秒前
sopha发布了新的文献求助10
25秒前
Apei完成签到 ,获得积分10
26秒前
雷予发布了新的文献求助30
26秒前
毛毛弟完成签到 ,获得积分10
26秒前
兔BF完成签到,获得积分10
28秒前
FashionBoy应助Hairee采纳,获得10
29秒前
hu完成签到 ,获得积分10
33秒前
YiWei完成签到 ,获得积分10
35秒前
雷予完成签到,获得积分10
36秒前
kannar完成签到,获得积分10
38秒前
laomuxile发布了新的文献求助10
38秒前
39秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 350
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
Aktuelle Entwicklungen in der linguistischen Forschung 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3989957
求助须知:如何正确求助?哪些是违规求助? 3532034
关于积分的说明 11255966
捐赠科研通 3270856
什么是DOI,文献DOI怎么找? 1805053
邀请新用户注册赠送积分活动 882252
科研通“疑难数据库(出版商)”最低求助积分说明 809216