Saltar para:
Logótipo
Você está em: Início > Publicações > Visualização > State-of-Charge Estimation of Lithium-Ion Battery Based on Convolutional Neural Network Combined with Unscented Kalman Filter

State-of-Charge Estimation of Lithium-Ion Battery Based on Convolutional Neural Network Combined with Unscented Kalman Filter

Título
State-of-Charge Estimation of Lithium-Ion Battery Based on Convolutional Neural Network Combined with Unscented Kalman Filter
Tipo
Artigo em Revista Científica Internacional
Ano
2024
Autores
Ma, HL
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Bao, XY
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
António Mendes Lopes
(Autor)
FEUP
Chen, LP
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Liu, GQ
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Zhu, M
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Revista
A Revista está pendente de validação pelos Serviços Administrativos.
Título: BATTERIES-BASELImportada do Authenticus Pesquisar Publicações da Revista
Vol. 10
Página Final: 198
Indexação
Publicação em ISI Web of Knowledge ISI Web of Knowledge - 0 Citações
Publicação em Scopus Scopus - 0 Citações
Outras Informações
ID Authenticus: P-010-PFM
Abstract (EN): Estimation of the state-of-charge (SOC) of lithium-ion batteries (LIBs) is fundamental to assure the normal operation of both the battery and battery-powered equipment. This paper derives a new SOC estimation method (CNN-UKF) that combines a convolutional neural network (CNN) and an unscented Kalman filter (UKF). The measured voltage, current and temperature of the LIB are the input of the CNN. The output of the hidden layer feeds the linear layer, whose output corresponds to an initial network-based SOC estimation. The output of the CNN is then used as the input of a UKF, which, using self-correction, yields high-precision SOC estimation results. This method does not require tuning of network hyperparameters, reducing the dependence of the network on hyperparameter adjustment and improving the efficiency of the network. The experimental results show that this method has higher accuracy and robustness compared to SOC estimation methods based on CNN and other advanced methods found in the literature.
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Nº de páginas: 14
Documentos
Não foi encontrado nenhum documento associado à publicação.
Publicações Relacionadas

Da mesma revista

What Differentiates Dielectric Oxides and Solid Electrolytes on the Pathway toward More Efficient Energy Storage? (2022)
Artigo em Revista Científica Internacional
Antonio Nuno Guerreiro; Beatriz Arouca Maia; Hesham Khalifa; Manuela Carvalho Baptista; Maria Helena Braga
What Differentiates Dielectric Oxides and Solid Electrolytes on the Pathway toward More Efficient Energy Storage? (2022)
Artigo em Revista Científica Internacional
Guerreiro, AN; Maia, BA; Khalifa, H; Baptista, MC; Helena Braga
Conditioning Solid-State Anode-Less Cells for the Next Generation of Batteries (2023)
Artigo em Revista Científica Internacional
Manuela C. Baptista; Beatriz M. Gomes; Diana Capela; Miguel F.S. Ferreira ; Diana Guimarães; Nuno A. Silva; Pedro A. S. Jorge; José J. Silva; M. Helena Braga
A Practical Methodology for Real-Time Adjustment of Kalman Filter Process Noise for Lithium Battery State-of-Charge Estimation (2024)
Artigo em Revista Científica Internacional
da Silva, CT; Dias, BMD; Rui Esteves Araújo; Pellini, EL; Laganá, AAM
A Comprehensive Study of LFP-Based Positive Electrodes: Process Parameters' Influence on the Electrochemical Properties (2025)
Artigo em Revista Científica Internacional
Beatriz Arouca Maia; Natália Magalhães; Eunice Cunha; Nuno Correia; Maria Helena Braga; Raquel M. Santos
Recomendar Página Voltar ao Topo
Copyright 1996-2025 © Faculdade de Medicina Dentária da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z
Página gerada em: 2025-10-03 às 01:34:01 | Política de Privacidade | Política de Proteção de Dados Pessoais | Denúncias | Livro Amarelo Eletrónico