リチウムイオン電池のインピーダンス軌跡の内分による学習データの生成とニューラルネットワークを用いたSoT推定

カテゴリ: 部門大会

論文No: 322

グループ名: 【B】令和4年電気学会電力・エネルギー部門大会

発行日: 2022/08/26

タイトル(英語): Generation of Training Data by Interior Divided Impedance Spectrum of Lithium-ion Battery and SoT Estimation Using Neural Network

著者名: 古郡元哉（東京理科大学），志村拓海（東京理科大学），高橋和樹（東京理科大学），片山昇（東京理科大学）

著者名(英語): Motoya Furugori (Tokyo University of Science), Takumi Shimura (Tokyo University of Science), Kazuki Takahashi (Tokyo University of Science), Noboru Katayama (Tokyo University of Science)

キーワード: リチウムイオン電池|SoC推定|SoT推定|ニューラルネットワーク|交流インピーダンス法|Lithium Ion Battery|State of Charge Estimation|State of Temperature Estimation|Neural Network|Electrochemical Impedance Spectroscopy

要約(日本語): リチウムイオン電池では，過度な充放電や不適切な温度での使用は発熱や発火の恐れがあるため，電池の充電率(SoC)や温度(SoT)といったパラメータを適切な範囲に保つ必要がある。我々はこれらのパラメータを推定する方法としてニューラルネットワーク(NN)と交流インピーダンス法を用いる手法を提案した.　しかし，この手法では少ない学習データでは充分な学習が行えないことや逆にモデルが過学習を起こしてしまい未知のデータに対する推定精度を上げることができない.　多くの電池の測定には時間を要するため，本稿では少数のリチウムイオン電池のインピーダンス軌跡を内分して大量の学習データを生成する手法を提案する.　また，一例として本手法をSoT推定に用いたため報告する.

PDFファイルサイズ: 528 Kバイト