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:30
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
科研民工完成签到,获得积分10
刚刚
青青发布了新的文献求助10
刚刚
异梦完成签到,获得积分10
1秒前
兮兮发布了新的文献求助10
1秒前
不吃草莓味完成签到 ,获得积分10
2秒前
double ting发布了新的文献求助10
2秒前
科研通AI2S应助lsq725采纳,获得10
2秒前
3秒前
3秒前
你好发布了新的文献求助10
3秒前
1Q84发布了新的文献求助30
4秒前
帅很子老发布了新的文献求助10
4秒前
Ava应助double ting采纳,获得10
5秒前
星辰大海应助double ting采纳,获得10
5秒前
陈军应助double ting采纳,获得20
5秒前
溜了溜了应助double ting采纳,获得20
5秒前
6秒前
小蘑菇应助麦琪采纳,获得10
6秒前
夏远航应助小赵同学采纳,获得20
6秒前
烤地瓜要吃甜完成签到,获得积分10
6秒前
7秒前
7秒前
wangsikui发布了新的文献求助10
8秒前
ZYL完成签到,获得积分10
8秒前
9秒前
9秒前
10秒前
10秒前
10秒前
1Q84完成签到,获得积分10
10秒前
11秒前
11秒前
chen完成签到,获得积分20
12秒前
魔幻妖妖发布了新的文献求助10
12秒前
12秒前
江苏小医生完成签到,获得积分10
12秒前
Yziii应助青青采纳,获得20
13秒前
13秒前
aaefv完成签到,获得积分10
13秒前
11111发布了新的文献求助10
13秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
A new approach of magnetic circular dichroism to the electronic state analysis of intact photosynthetic pigments 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 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 3148786
求助须知:如何正确求助?哪些是违规求助? 2799787
关于积分的说明 7837076
捐赠科研通 2457292
什么是DOI,文献DOI怎么找? 1307821
科研通“疑难数据库(出版商)”最低求助积分说明 628276
版权声明 601663