亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Artificial Intelligence-based health diagnostic of Lithium-ion battery leveraging transient stage of constant current and constant voltage charging

恒流 健康状况 常量(计算机编程) 电池(电) 瞬态(计算机编程) 卷积神经网络 电压 人工神经网络 估计员 人工智能 电气工程 计算机科学 物理 工程类 功率(物理) 程序设计语言 操作系统 统计 量子力学 数学
作者
Haokai Ruan,Zhongbao Wei,Wentao Shang,Xuechao Wang,Haibo He
出处
期刊:Applied Energy [Elsevier]
卷期号:336: 120751-120751 被引量:21
标识
DOI:10.1016/j.apenergy.2023.120751
摘要

State of health (SOH) estimation is essential to the health diagnostic of lithium-ion battery. The data-driven approach with charging feature extraction is promising for online SOH estimation and has been widely explored over years. However, their deployment can be barriered by the lack of complete charging data in real-world applications. Motivated by this, this paper proposes an artificial intelligence-based SOH estimator using the transient phase between constant current (CC) and constant voltage (CV) charging, which is easily obtained in real-world charging scenarios. Specifically, a convolutional neural network (CNN) model is proposed to explain the relationship between the charging data and the SOH. Following this endeavor, the transfer learning is exploited for model mitigation and SOH estimation on different battery types, relying on much reduced amount of data for efficient CNN model re-training. The validation experiments are conducted based on the aging data obtained on LiNiCoAlO2 (NCA) and LiCoO2 (LCO) cells. Results suggest that the proposed method realizes accurate SOH estimation requiring only a short segment from the CC-CV transient phase, so that can meet a broad range of real-world charging scenarios. Moreover, the efficient model transfer promises expected performance with different battery types. The short version of the paper was presented at ICAE2021, Nov 29 - Dec 5, 2021. This paper is a substantial extension of the short version of the conference paper.
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
桐桐应助田柾国采纳,获得10
3秒前
Smectite完成签到,获得积分10
12秒前
winnie_ymq发布了新的文献求助10
12秒前
16秒前
24秒前
影子发布了新的文献求助10
28秒前
影子完成签到,获得积分10
50秒前
1分钟前
1分钟前
小化发布了新的文献求助10
1分钟前
隐形曼青应助科研通管家采纳,获得10
1分钟前
烟花应助科研通管家采纳,获得30
1分钟前
2分钟前
zsmj23完成签到 ,获得积分0
2分钟前
2分钟前
北雨发布了新的文献求助30
2分钟前
hahahan完成签到 ,获得积分10
3分钟前
3分钟前
TAFFY发布了新的文献求助10
3分钟前
3分钟前
北雨完成签到,获得积分20
3分钟前
3分钟前
小黄想躺平完成签到,获得积分20
3分钟前
uu完成签到,获得积分10
3分钟前
4分钟前
andrele发布了新的文献求助10
4分钟前
4分钟前
火火发布了新的文献求助30
4分钟前
小马甲应助狄绮采纳,获得10
4分钟前
4分钟前
狄绮发布了新的文献求助10
4分钟前
狄绮完成签到,获得积分10
4分钟前
火火发布了新的文献求助10
4分钟前
5分钟前
田柾国发布了新的文献求助10
5分钟前
善学以致用应助火火采纳,获得30
5分钟前
科目三应助田柾国采纳,获得10
5分钟前
5分钟前
火火发布了新的文献求助30
5分钟前
6分钟前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 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 3158604
求助须知:如何正确求助?哪些是违规求助? 2809798
关于积分的说明 7883671
捐赠科研通 2468473
什么是DOI,文献DOI怎么找? 1314182
科研通“疑难数据库(出版商)”最低求助积分说明 630572
版权声明 601982