基于数据驱动方法的电池性能深度分析
人工智能
2023-08-31 v1
摘要
容量衰减是当前电芯应用中最棘手的问题之一。众所周知，其退化机制在整个系统中极为复杂。充分理解并准确预测该过程是一项巨大挑战。因此，采用机器学习（ML）技术来预测电芯在整个循环中的比容量变化并把握这一复杂过程。不同于以往工作，根据本文提出的 WOA-ELM 模型（R2 = 0.9999871），确定了影响电池比容量的关键因素，并通过可解释模型克服了机器学习黑箱的缺陷。综合阐释了它们与电极材料结构损伤及电池循环期间失效的关联，揭示了其对电池性能的本质重要性，有利于对当代电池及改性的优越研究。
引用
@article{arxiv.2308.15833,
title = {Depth analysis of battery performance based on a data-driven approach},
author = {Zhen Zhang and Hongrui Sun and Hui Sun},
journal= {arXiv preprint arXiv:2308.15833},
year = {2023}
}