科学通报2023,Vol.68Issue(6) :644-655.DOI:10.1360/TB-2022-0550

数据驱动的锂离子电池全生命周期状态参数评估

Data-driven full life-cycle state parameter assessment of Li-ion batteries

柳杰 苗宗成 王清云
科学通报2023,Vol.68Issue(6) :644-655.DOI:10.1360/TB-2022-0550

数据驱动的锂离子电池全生命周期状态参数评估

Data-driven full life-cycle state parameter assessment of Li-ion batteries

柳杰 1苗宗成 2王清云3
扫码查看

作者信息

  • 1. 西京学院西安市先进光电子材料与能源转换器件重点实验室,西安710123
  • 2. 西北工业大学光电与智能研究院,西安710072
  • 3. 中国航天科工集团公司第二研究院,北京100854
  • 折叠

摘要

机器学习作为人工智能核心技术之一,通过对当前数据的学习找出复杂问题之间的关系而被广泛应用,机器学习作为研究锂离子电池状态参数估计的新技术,相关报道也层出叠见.本文首先回顾了传统模型中的电化学模型和等效电路模型在电池状态估计的研究进展;然后基于这些模型当前的局限性,回顾、分析、比较了不同机器学习模型在电池状态参数估计中的应用进展及取得的成绩;最后指出了当前基于数据驱动的人工智能方法在锂离子电池状态参数评估过程中所面临的问题,并对未来发展提出了建议.

关键词

锂离子电池/数据驱动/机器学习/参数评估

引用本文复制引用

基金项目

国家自然科学基金(52173263)

安徽省杰出青年基金(2108085J11)

陕西省区域创新能力引导计划(2022QFY03-02)

中央高校基本科研业务费-西北工业大学项目(D5000210825)

出版年

2023
科学通报
中国科学院国家自然科学基金委员会

科学通报

CSTPCDCSCD北大核心
影响因子:1.269
ISSN:0023-074X
浏览量2
被引量1
参考文献量1
段落导航相关论文