Online data-driven battery life prediction and quick classification based on partial charging data within 10 min

电池(电) 支持向量机 水准点(测量) 计算机科学 过程(计算) 人工智能 克里金 工程类 模式识别(心理学) 数据挖掘 机器学习 功率(物理) 物理 大地测量学 量子力学 地理 操作系统
作者
Yongzhi Zhang,Mingyuan Zhao,Rui Xiong
出处
期刊:Journal of Power Sources [Elsevier]
卷期号:594: 234007-234007 被引量:8
标识
DOI:10.1016/j.jpowsour.2023.234007
摘要

Accurate online battery life prediction is critical for the health management of battery powered systems. This study develops a moving window-based method for in-situ battery life prediction and quick classification. Five features are extracted from the partial charging data within 10 min to indicate battery aging evolution. The machine learning techniques are used to connect the features and battery end of life (EOL), with the Gaussian process regression (GPR) and support vector machine (SVM) used to predict and classify battery life, respectively. The performance of the developed methods is validated based on experimental data of 121 battery cells. Results show that GPR predicts accurate battery EOL and knees with the root mean square errors and mean absolute percentage errors being within 100 cycles and 10 %, respectively. SVM classifies battery life quickly and accurately based on only one cycle's data, with the classification accuracy close to 92 %. In summary, the developed methods show comparable in-situ life prediction and classification accuracies to the benchmark that needs offline calibrations.
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
大幅提高文件上传限制,最高150M (2024-4-1)

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
李123完成签到,获得积分10
刚刚
刚刚
材化硕士发布了新的文献求助10
刚刚
胡图图完成签到 ,获得积分10
1秒前
1秒前
ZHX发布了新的文献求助10
2秒前
albertxin完成签到,获得积分10
2秒前
CJ完成签到,获得积分10
3秒前
爱笑的雪糕完成签到,获得积分20
3秒前
俞若枫完成签到,获得积分10
3秒前
流年发布了新的文献求助10
3秒前
4秒前
云ch完成签到,获得积分10
4秒前
4秒前
Lucky完成签到 ,获得积分10
4秒前
5秒前
5秒前
kytyzx完成签到,获得积分10
5秒前
orixero应助cns采纳,获得10
5秒前
6秒前
6秒前
6秒前
albertxin发布了新的文献求助30
6秒前
菜胖胖完成签到,获得积分10
7秒前
汪哈七完成签到,获得积分10
7秒前
8秒前
wakao发布了新的文献求助10
8秒前
paio发布了新的文献求助10
8秒前
彩色发布了新的文献求助10
8秒前
9秒前
彭于晏应助ghn123456789采纳,获得10
9秒前
ws发布了新的文献求助10
10秒前
broycn发布了新的文献求助30
10秒前
卿卿发布了新的文献求助10
10秒前
10秒前
xin完成签到,获得积分10
10秒前
阔达的铅笔完成签到,获得积分10
11秒前
夕照古风完成签到,获得积分10
11秒前
11秒前
11秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 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 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3245223
求助须知:如何正确求助?哪些是违规求助? 2888917
关于积分的说明 8256094
捐赠科研通 2557285
什么是DOI,文献DOI怎么找? 1385910
科研通“疑难数据库(出版商)”最低求助积分说明 650265
邀请新用户注册赠送积分活动 626494