Battery Health Estimation Based on Multidomain Transfer Learning

计算机科学 克里金 学习迁移 机器学习 人工智能 概念漂移 过程(计算) 健康状况 电池(电) 支持向量机 数据挖掘 试验数据 数据流挖掘 功率(物理) 物理 量子力学 程序设计语言 操作系统
作者
Hanmin Sheng,Biplob Ray,Shaben Kayamboo,Xing Xu,Shafei Wang
出处
期刊:IEEE Transactions on Power Electronics [Institute of Electrical and Electronics Engineers]
卷期号:39 (4): 4758-4770
标识
DOI:10.1109/tpel.2023.3346335
摘要

Machine learning methods are expected to play a significant role in battery state of charge (SOH) estimation, leveraging their strengths in self-learning and nonlinear fitting. One of the key challenges in SOH estimation is the concept drift issue, which refers to changes in the data distribution between the training and test datasets. General machine learning methods assume that the training data shares similar characteristics with the test data. However, in SOH estimation tasks, differences in the environment and the characteristics of the battery itself can cause concept drift, which then impacts the model's effectiveness. As a result, many data-driven models that perform well in laboratory conditions struggle to be applied to other target batteries. This is a common and significant battery diagnosis technology issue, yet it remains unresolved. This article proposes a multidomain transfer Gaussian process regression (MTR-GPR) SOH estimation approach to address this issue. In this model, training data do not directly participate in the model's learning process. Instead, the MTR-GPR model extracts information from different datasets based on the distribution similarity. This method can fully use multisource battery ageing data while reducing the negative impact of distribution differences. Experimental results prove that MTR-GPR can make reliable SOH estimates with only 20% of target battery data. On the other hand, this method can provide the posterior probability distribution of the prediction results.
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
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
fogsea完成签到,获得积分0
1秒前
是我不得开心妍完成签到 ,获得积分10
2秒前
Kair完成签到 ,获得积分10
4秒前
虚幻元风完成签到 ,获得积分10
4秒前
Hank完成签到 ,获得积分10
12秒前
崔宁宁完成签到 ,获得积分10
14秒前
开心夏旋完成签到 ,获得积分10
21秒前
21秒前
聪明的行云完成签到 ,获得积分10
22秒前
郝君颖完成签到 ,获得积分10
22秒前
Boris完成签到 ,获得积分10
23秒前
bing完成签到 ,获得积分10
30秒前
中恐完成签到,获得积分10
31秒前
清嘉完成签到,获得积分10
32秒前
sowhat完成签到 ,获得积分10
41秒前
GQ完成签到,获得积分10
47秒前
云飞扬完成签到 ,获得积分10
1分钟前
顺利的曼寒完成签到 ,获得积分10
1分钟前
子蓼完成签到 ,获得积分10
1分钟前
xu完成签到 ,获得积分10
1分钟前
易哲完成签到 ,获得积分10
1分钟前
wx1完成签到 ,获得积分0
1分钟前
蝌蚪完成签到,获得积分10
1分钟前
苏青舟完成签到 ,获得积分10
1分钟前
jameslee04完成签到 ,获得积分10
1分钟前
fusheng完成签到 ,获得积分10
1分钟前
lyp完成签到 ,获得积分10
1分钟前
研友_LOKXmL完成签到 ,获得积分10
1分钟前
浮生完成签到 ,获得积分10
1分钟前
gaoxiaogao完成签到 ,获得积分10
1分钟前
糖宝完成签到 ,获得积分10
1分钟前
luckygirl完成签到 ,获得积分10
1分钟前
钟声完成签到,获得积分0
2分钟前
开放访天完成签到 ,获得积分10
2分钟前
所所应助科研通管家采纳,获得10
2分钟前
2分钟前
严珍珍完成签到 ,获得积分10
2分钟前
南风完成签到 ,获得积分10
2分钟前
GG完成签到 ,获得积分10
2分钟前
2分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709863
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921