基于生成对抗网络的锂离子电池阻抗容量估计
信号处理
2021-07-14 v1 化学物理
摘要
本文提出一种完全无监督的方法，利用信息最大化生成对抗网络从电化学阻抗谱（EIS）数据中可靠提取表征锂离子电池（LIBs）特性的潜变量。即便在直流测量且未经弛豫的条件下，也可从 EIS 数据获得有意义表征，而这类条件在使用电路模型时难以表达。所提取潜变量随容量退化进程被研究，并借助高斯过程回归用于估计电池放电容量。所提方法在充放电期间多种 EIS 数据条件下得到验证。结果表明，相较直接从 EIS 获得的容量估计，所提模型提供了更稳健的容量估计。我们证明，从直流测量且未经弛豫的 EIS 数据中提取的潜变量可靠表征了 LIBs 的退化特性。
引用
@article{arxiv.2107.06177,
title = {Impedance-based Capacity Estimation for Lithium-Ion Batteries Using Generative Adversarial Network},
author = {Seongyoon Kim and Yun Young Choi and Jung-Il Choi},
journal= {arXiv preprint arXiv:2107.06177},
year = {2021}
}