结合基于物理与机器学习方法以加速可持续交通及更广领域的创新:一种控制视角
系统与控制
2023-05-09 v1 系统与控制
摘要
锂离子电池在可持续能源转型中发挥着关键作用。为充分挖掘该技术的潜力,需要解决多种建模、估计与预测问题,以增强其设计并优化其利用。电池是复杂的电化学系统,其行为随老化、温度、C倍率与荷电状态发生剧烈变化,带来了独特的建模与控制研究问题。在本教程论文中,我们深入剖析三种电池建模方法,即第一性原理、机器学习与混合建模。每种方法各有优劣,并通过三个案例研究描述了这三种方法的主要特征与挑战。
引用
@article{arxiv.2305.04840,
title = {Combining physics-based and machine learning methods to accelerate innovation in sustainable transportation and beyond: a control perspective},
author = {Gabriele Pozzato and Simona Onori},
journal= {arXiv preprint arXiv:2305.04840},
year = {2023}
}