Feature–target pairing in machine learning for battery health diagnosis and prognosis: A critical review

电池(电) 计算机科学 人工智能 特征(语言学) 机器学习 任务(项目管理) 领域(数学) 新能源 可靠性工程 能量(信号处理) 功率(物理) 系统工程 工程类 哲学 数学 量子力学 纯数学 物理 统计 语言学 机械工程
作者
Zijie Huang,Lawnardo Sugiarto,Yi‐Chun Lu
出处
期刊:EcoMat [Wiley]
卷期号:5 (6) 被引量:13
标识
DOI:10.1002/eom2.12345
摘要

Abstract Lithium‐ion batteries (LIBs) have been dominating the markets of electric vehicles and grid energy storage. Accurate monitoring of battery health status has been one of the most critical challenges of the battery industry. Machine learning (ML) has been widely applied to battery health estimation as well as prediction. Here, by investigating the specific features and targets, we comprehensively discuss task‐oriented ML implementation in various application scenarios in the field of battery health. This review explores the tasks assisted by ML based on multi‐level cell degradation. We highlight opportunities and significance of considering the potential feature–target pair during the ML model training to identify more health information about LIBs as well as shed light into designing tasks for new application scenarios. image
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
菊花茶完成签到,获得积分10
刚刚
kveen完成签到,获得积分10
3秒前
紫熊发布了新的文献求助10
4秒前
耍酷的小白菜完成签到,获得积分10
4秒前
gcl完成签到,获得积分10
7秒前
程程完成签到,获得积分10
7秒前
宋相甫完成签到,获得积分10
10秒前
上杉绘梨衣完成签到,获得积分10
11秒前
激情的毛豆完成签到,获得积分10
12秒前
whj完成签到 ,获得积分10
12秒前
耍酷鼠标完成签到 ,获得积分0
13秒前
liu完成签到,获得积分10
14秒前
14秒前
蓝景轩辕完成签到 ,获得积分0
15秒前
lhl完成签到,获得积分10
15秒前
俏皮的数据线完成签到 ,获得积分10
15秒前
鬼笔环肽完成签到,获得积分10
16秒前
zhendezy完成签到,获得积分10
16秒前
csy完成签到,获得积分10
17秒前
shouz完成签到,获得积分10
18秒前
Waiting完成签到 ,获得积分10
19秒前
kkdsseed的应助被hqc8866采纳,获得10
19秒前
toppkj发布了新的文献求助10
19秒前
123wzl123完成签到,获得积分10
19秒前
xiaoxiao完成签到 ,获得积分10
20秒前
芷诺完成签到 ,获得积分10
20秒前
yanglala完成签到 ,获得积分10
21秒前
英勇含烟完成签到,获得积分10
21秒前
快乐谷蓝完成签到,获得积分10
21秒前
qss完成签到,获得积分10
22秒前
云朵杰瑞完成签到,获得积分10
22秒前
许自通完成签到,获得积分10
22秒前
云中月完成签到,获得积分10
23秒前
妩媚的问玉完成签到,获得积分10
23秒前
无敌干扰素完成签到,获得积分10
25秒前
TonyXWZhang完成签到,获得积分10
26秒前
在九月完成签到 ,获得积分10
26秒前
fishswim1完成签到,获得积分10
28秒前
刘华珍完成签到,获得积分10
30秒前
30秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1500
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8159131
求助须知:如何正确求助?哪些是违规求助? 9554607
关于积分的说明 21719828
捐赠科研通 7748795
什么是DOI,文献DOI怎么找? 3427149
关于科研通互助平台的介绍 2552079
邀请新用户注册赠送积分活动 2471428