蓄電池の内部特性に基づいたディープラーニングを用いたSOC推定手法

カテゴリ: 研究会(論文単位)

論文No: PE24041,PSE24053,SPC24095

グループ名: 【B】電力・エネルギー部門 電力技術/【B】電力・エネルギー部門 電力系統技術/【D】産業応用部門 半導体電力変換合同研究会

発行日: 2024/03/04

タイトル(英語): SOC estimation by using deep learning based on battery internal characteristics

著者名: 界 波(東京大学),馬場 旬平(東京大学),熊田 亜紀子(東京大学),畠山 大(堀場製作所)

著者名(英語): Bo Jie(The University of Tokyo),Jumpei Baba(The University of Tokyo),Akiko Kumada(The University of Tokyo),Hiroshi Hatakeyama(HORIBA, Ltd.)

キーワード: リチウムイオンバッテリー|ＳＯＣ推定|機械学習|ディープラーニング学習|内部特性|データ駆動|lithium-ion battery|SOC estimation|machine learning|Deep Learning|Internal Characteristics|data-driven

要約(日本語): 蓄電池の充電状態(State of Charge, SOC) は，蓄電池の充電レベルを容量に対する割合として表したものである。SOC はエネルギーマネジメントシステム（Energy management system, EMS）に不可欠な情報で，信頼性の高い手頃な電動車(Electric vehicle, EV) を実現するためにも，SOC を正確に推定する必要がある。しかし，リチウムイオンバッテリーの温度、健全性、およびSOC の特性は非線形であるため，SOC の推定はエネルギーマネジメント工学の大きな

要約(英語): Battery State of Charge (SOC) is the charge level of an electric battery measured as a percentage of capacity. SOC is critical information for a vehicle's energy management system and must be accurately estimated to enable reliable and affordable electric vehicles (xEVs). However, estimating SOC is a major challenge in automotive engineering because the temperature, health, and SOC-dependent behavior of lithium-ion batteries are nonlinear. Traditional approaches to this problem, such as electrochemical models, typically require precise parameters and knowledge of the battery's composition and physical response. The use of machine learning models, on the other hand, is a data-driven approach that requires minimal knowledge of the battery and its nonlinear behavior. In this study, we propose a method for estimating the SOC of a lithium-ion battery using a deep-running approach based on time-series data representing various battery characteristics such as voltage, current, and temperature.

本誌: 2024年3月7日-2024年3月8日電力技術/電力系統技術/半導体電力変換合同研究会-2

本誌掲載ページ: 107-112 p

原稿種別: 日本語

PDFファイルサイズ: 2,183 Kバイト