Fast State-of-Health Estimation Method for Lithium-ion Battery using Sparse Identification of Nonlinear Dynamics

要約

リチウムイオン電池（LIB）は、エネルギー密度が高く寿命が長いため、主要なエネルギー源としてさまざまな分野で活用されています。
充電と放電を繰り返すと、LIB の劣化が発生し、最大出力と動作時間が減少します。これは極めて重要な問題です。
この劣化は、バッテリーの性能だけでなく、システムの安全性にも影響を与える可能性があります。
したがって、バッテリーの健全性 (SOH) をリアルタイムで正確に推定することが不可欠です。
この問題に対処するために、非線形ダイナミクスのスパース モデル識別アルゴリズム (SINDy) を利用する高速 SOH 推定方法を提案します。
SINDy は、システムの支配的な特性を持つ関数がほとんどないと仮定して、少ないデータでターゲット システムの支配方程式を発見できます。
劣化状態モデルを決定するには、相関分析が推奨されます。
SINDy と相関分析を使用すると、データ駆動型の SOH モデルを取得して、システムの解釈可能性を向上させることができます。
提案手法の実現可能性を検証するために、SOH の推定性能と計算時間をさまざまな機械学習アルゴリズムと比較することで評価します。

要約(オリジナル)

Lithium-ion batteries (LIBs) are utilized as a major energy source in various fields because of their high energy density and long lifespan. During repeated charging and discharging, the degradation of LIBs, which reduces their maximum power output and operating time, is a pivotal issue. This degradation can affect not only battery performance but also safety of the system. Therefore, it is essential to accurately estimate the state-of-health (SOH) of the battery in real time. To address this problem, we propose a fast SOH estimation method that utilizes the sparse model identification algorithm (SINDy) for nonlinear dynamics. SINDy can discover the governing equations of target systems with low data assuming that few functions have the dominant characteristic of the system. To decide the state of degradation model, correlation analysis is suggested. Using SINDy and correlation analysis, we can obtain the data-driven SOH model to improve the interpretability of the system. To validate the feasibility of the proposed method, the estimation performance of the SOH and the computation time are evaluated by comparing it with various machine learning algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google