Research progress and application of deep learning in remaining useful life, state of health and battery thermal management of lithium batteries

电池(电) 健康状况 计算机科学 健康管理体系 可靠性工程 风险分析(工程) 钥匙(锁) 系统工程 锂(药物) 能源管理 人工智能 工程类 能量(信号处理) 医学 功率(物理) 计算机安全 物理 内分泌学 病理 统计 量子力学 替代医学 数学
作者
Wenbin He,Zongze Li,Ting Liu,Zhaohui Liu,Xudong Guo,Jinguang Du,Xiaoke Li,Peiyan Sun,Wuyi Ming
出处
期刊:Journal of energy storage [Elsevier]
卷期号:70: 107868-107868 被引量:29
标识
DOI:10.1016/j.est.2023.107868
摘要

Lithium batteries are considered to be one of the most promising green energy sources in the future. However, the problems of prognostic and health management are the main factors restricting the application and development of lithium batteries. Therefore, an efficient and intelligent battery management system (BMS) is very important. In recent years, with the continuous development of deep learning (DL), it has shown a good research prospect in the BMS. In this paper, the application of DL in the prediction the of remaining useful life (RUL), state of health (SOH) and battery thermal management (BTM) of lithium batteries of different methods are systematically reviewed. This review evaluates different deep learning approaches to battery estimation and prediction in terms of predictive performance, advantages, and disadvantages. In addition, the review discusses the characteristics, achievements, limitations, and directions for improvement of different algorithms in the above applications for factors affecting charge and discharge cycles, complex environments, dynamic conditions, and different battery types. Key issues and challenges in terms of computational complexity and various internal and external factors are identified. Finally, the future opportunities and directions are discussed to design a more efficient and intelligent algorithm model, which can adapt to more advanced BMS.
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
1秒前
1秒前
cong完成签到 ,获得积分10
2秒前
4秒前
juphen2发布了新的文献求助10
7秒前
牛牛发布了新的文献求助10
7秒前
8秒前
今后应助陶醉涵梅采纳,获得10
9秒前
10秒前
rosalieshi应助chen采纳,获得30
10秒前
10秒前
东方完成签到,获得积分10
11秒前
meng发布了新的文献求助20
11秒前
濮阳思远完成签到,获得积分10
11秒前
Puddingo完成签到,获得积分10
12秒前
好吃的蛋挞完成签到,获得积分10
13秒前
14秒前
xuyang发布了新的文献求助10
15秒前
clearwind完成签到,获得积分10
15秒前
15秒前
Yingyli发布了新的文献求助10
15秒前
nihao发布了新的文献求助10
15秒前
CC完成签到 ,获得积分10
16秒前
苗条妙旋应助不见高山采纳,获得10
16秒前
阿喵完成签到,获得积分10
16秒前
戊子完成签到 ,获得积分10
17秒前
陀思妥耶夫斯基完成签到,获得积分10
17秒前
18秒前
19秒前
小五完成签到,获得积分10
19秒前
cannon8应助腼腆的安露采纳,获得10
19秒前
方断秋完成签到,获得积分10
20秒前
张怡完成签到,获得积分10
21秒前
武科大完成签到,获得积分10
21秒前
nihao完成签到,获得积分10
23秒前
炸炸西柚发布了新的文献求助10
24秒前
xy完成签到,获得积分10
24秒前
25秒前
诚心代芙完成签到 ,获得积分10
26秒前
hxyhxy完成签到 ,获得积分10
26秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Genera Insectorum: Mantodea, Fam. Mantidæ, Subfam. Hymenopodinæ (Classic Reprint) 800
《粉体与多孔固体材料的吸附原理、方法及应用》(需要中文翻译版,化学工业出版社,陈建,周力,王奋英等译) 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 3085629
求助须知:如何正确求助?哪些是违规求助? 2738471
关于积分的说明 7550399
捐赠科研通 2388318
什么是DOI,文献DOI怎么找? 1266369
科研通“疑难数据库(出版商)”最低求助积分说明 613464
版权声明 598591