Key points are not available for this paper at this time.
열 폭주 모니터링 및 분석은 리튬 이온 배터리 기반 전기 장비의 안전에 대한 심각한 도전 과제가 되었습니다. 열 폭주 모니터링은 리튬 배터리의 화재 및 폭발을 피하는 데 중요합니다. 이 논문에서는 리튬 배터리의 열 폭주 모니터링을 위한 새로운 유형의 심층 신경망인 전체 특징 신경망(WFNN)을 제안합니다. 신경망은 측정된 온도, 전류 및 전압으로부터 리튬 배터리의 열 폭주 패턴을 학습합니다. WFNN은 리튬 배터리의 열 폭주 모니터링을 위한 엔드 투 엔드 모델입니다. 제안된 WFNN의 성능을 평가하기 위해 리튬 배터리의 열 폭주 모니터링 실험이 수행되었습니다. 모니터링 정확도는 99.48%에 달하며, 이는 서포트 벡터 머신, 커널 서포트 벡터 머신, k-최근접 이웃 및 완전 연결 신경망보다 높습니다. 또한, WFNN의 계산 효율성은 실시간 열 폭주 모니터링이 가능할 만큼 충분히 높습니다. 결과적으로 실험 결과는 제안된 WFNN이 리튬 배터리의 열 폭주 모니터링에 적용 가능함을 보여줍니다.
Liu et al. (Wed,)는 이 질문을 연구했습니다.