用于锂离子电池单体容量预测的潜函数分解：一种多输出卷积高斯过程方法
信号处理
2021-12-28 v1 机器学习
系统与控制
系统与控制
机器学习
摘要
提出一种潜函数分解方法用于预测锂离子电池单体的容量。该方法使用多输出高斯过程（MCGP），一种用于多任务与迁移学习的生成式机器学习框架。MCGP 将来自多个电池单体的可用容量趋势分解为潜函数。随后这些潜函数在核平滑器上卷积以重建和/或预测电池单体的容量趋势。除具备高预测精度外，所提方法还为预测提供不确定性信息，并捕捉不同电池单体容量趋势间非平凡的互相关。这两点优势使所提 MCGP 成为使用电池单体组的应用的一种非常可靠且实用的解决方案。推导了 MCGP，并在实验性锂离子电池单体数据上与基准方法比较。结果显示了所提方法的有效性。
引用
@article{arxiv.1907.09455,
title = {Latent Function Decomposition for Forecasting Li-ion Battery Cells Capacity: A Multi-Output Convolved Gaussian Process Approach},
author = {Abdallah A. Chehade and Ala A. Hussein},
journal= {arXiv preprint arXiv:1907.09455},
year = {2021}
}