Estimation of Remaining Useful Life and SOH of Lithium Ion Batteries (For EV Vehicles)

要約

リチウムイオン電池は、ポータブル電子機器、電気自動車、再生可能エネルギー貯蔵システムなど、さまざまな用途に広く使用されています。
これらのバッテリーの残りの耐用年数を正確に見積もることは、バッテリーの最適なパフォーマンスを確保し、予期せぬ故障を防止し、メンテナンスコストを削減するために非常に重要です。
この論文では、データ駆動型の手法、物理ベースのモデル、ハイブリッド アプローチなど、リチウムイオン電池の残りの耐用年数を推定するための既存のアプローチの包括的なレビューを紹介します。
また、リチウムイオン電池の残り耐用年数を正確に予測するための機械学習技術に基づく新しいアプローチも提案します。
私たちのアプローチでは、電圧、電流、温度などのさまざまなバッテリー性能パラメーターを利用して、バッテリーの残りの耐用年数を正確に推定できる予測モデルをトレーニングします。
私たちは、リチウムイオン電池サイクルのデータセットに対するアプローチのパフォーマンスを評価し、他の最先端の方法と比較します。
この結果は、リチウムイオン電池の残りの耐用年数を正確に推定する上で、私たちが提案したアプローチの有効性を示しています。

要約(オリジナル)

Lithium-ion batteries are widely used in various applications, including portable electronic devices, electric vehicles, and renewable energy storage systems. Accurately estimating the remaining useful life of these batteries is crucial for ensuring their optimal performance, preventing unexpected failures, and reducing maintenance costs. In this paper, we present a comprehensive review of the existing approaches for estimating the remaining useful life of lithium-ion batteries, including data-driven methods, physics-based models, and hybrid approaches. We also propose a novel approach based on machine learning techniques for accurately predicting the remaining useful life of lithium-ion batteries. Our approach utilizes various battery performance parameters, including voltage, current, and temperature, to train a predictive model that can accurately estimate the remaining useful life of the battery. We evaluate the performance of our approach on a dataset of lithium-ion battery cycles and compare it with other state-of-the-art methods. The results demonstrate the effectiveness of our proposed approach in accurately estimating the remaining useful life of lithium-ion batteries.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google