.png){kind=icon}
返回
Machine-learning-based efficient parameter space exploration for energy storage systems
.png){kind=icon}
OA
AI
DOI：10.1016/j.xcrp.2025.102543.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
能源需求的增加需要开发新的储能系统，并估计其在整个生命周期内的剩余能量。这些系统的剩余能量取决于许多运行参数，导致需要探索一个高维参数空间。在参数空间中对电池单元进行密集网格上的全面测试成本极高。尤其是在性能存在显著电池间差异的情况下，即使在相同的循环条件下也是如此。在此，我们开发了一个基于高斯过程的框架，结合领域知识，并实施贝叶斯优化来高效探索参数空间，并利用失效分布量化剩余能量。贝叶斯优化识别能够最大化信息增益并最小化不确定性的未来实验。实验结果表明，在显著减少实验次数的情况下，能够实现准确的剩余能量预测。然而，实验室循环条件（包括文献中的条件）可能无法代表实际循环条件。我们提出了一种基于实验室结果的方法，用于预测实际循环条件下的剩余能量。
Keyword:
LITHIUM-ION BATTERIES
STATE-OF-HEALTH
DURABILITY
CHARGE
MODEL
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.3
论文数:
2.8K
被引数:
1.2W
机构
引用论文
Bayesian Optimization Algorithm-Based Statistical and Machine Learning Approaches for Forecasting Short-Term Electricity Demand.png)
Energies
OAAI
EnergiesIF0
OAAI分享收藏Empirical Electrical and Degradation Model for Electric Vehicle Batteries电动汽车电池的经验电气和退化模型IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏High-throughput Li plating quantification for fast-charging battery design用于快速充电电池设计的高通量锂电镀量化NATURE ENERGYOAAI
NATURE ENERGYIF60.1
OAAI分享收藏Degradation modes and mechanisms analysis of lithium-ion batteries with knee points具有膝点的锂离子电池退化模式及机理分析ELECTROCHIMICA ACTA
ELECTROCHIMICA ACTAIF5.6
PREAI
分享收藏ADAPTIVE BAYESIAN ESTIMATION USING A GAUSSIAN RANDOM FIELD WITH INVERSE GAMMA BANDWIDTHANNALS OF STATISTICSOAAI
ANNALS OF STATISTICSIF3.7
OAAI分享收藏Battery health prediction under generalized conditions using a Gaussian process transition model基于高斯过程转移模型的广义条件下电池健康预测OAAI
OAAI分享收藏A novel fractional variable-order equivalent circuit model and parameter identification of electric vehicle Li-ion batteries电动汽车锂离子电池的分数阶变阶等效电路模型及参数辨识ISA TRANSACTIONS
ISA TRANSACTIONSIF6.5
PREAI
分享收藏
查看更多内容