バッテリー寿命予測と異なるモデリングアプローチの性能評価

リチウムイオンバッテリー技術は、より長い寿命の開発のおかげで、現在のエネルギー貯蔵市場を征服し、最も好まれる選択肢となっています。しかし、調査された寿命特性に基づいて最も適切なバッテリー劣化モデリング方法論を選ぶことは依然として課題です。この研究では、ニッケルマンガンコバルト酸化物（NMC）セルの包括的な劣化データセットを使用して、異なる容量劣化モデルの開発および/または訓練を行い、出力応答を比較します。評価は、半経験的モデリング（SeM）アプローチと機械学習モデルおよび人工ニューラルネットワークモデルに対して行われます。その中で、非線形自己回帰ネットワーク（NARXnet）が計算努力を最小限に抑えつつ、容量劣化を最も正確に予測できます。この研究は、リチウムイオンバッテリーの複雑で非線形な劣化挙動を理解する上で、寿命方法論の選択とモデル性能の重要性を示しています。