L773:2332 7782
Sökning: L773:2332 7782 > (2023) > Interpretable Batte...
- 7 av 7
- Föregående post
- Nästa post
- Till träfflistan
- Zhang, Huang,1993Chalmers tekniska högskola,Chalmers University of Technology,Volvo Group (författare)
Interpretable Battery Cycle Life Range Prediction Using Early Cell Degradation Data
- Artikel/kapitelEngelska2023
Förlag, utgivningsår, omfång ...
- 2023
- electronicrdacarrier
Nummerbeteckningar
- LIBRIS-ID:oai:research.chalmers.se:043b8229-6c05-4ad8-9171-cad4124e7550
- https://doi.org/10.1109/TTE.2022.3226683DOI
- https://research.chalmers.se/publication/537669URI
Kompletterande språkuppgifter
- Språk:engelska
- Sammanfattning på:engelska
Ingår i deldatabas
- SwePubSwePub
Klassifikation
Anmärkningar
- Battery cycle life prediction using early degradation data has many potential applications throughout the battery product life cycle. For that reason, various data-driven methods have been proposed for point prediction of battery cycle life with minimum knowledge of the battery degradation mechanisms. However, managing the rapidly increasing amounts of batteries at end-of-life with lower economic and technical risk requires prediction of cycle life with quantified uncertainty, which is still lacking. The interpretability (i.e., the reason for high prediction accuracy) of these advanced data-driven methods is also worthy of investigation. Here, a Quantile Regression Forest (QRF) model, having the advantage of not assuming any specific distribution of cycle life, is introduced to make cycle life range prediction with uncertainty quantified as the width of the prediction interval, in addition to point predictions with high accuracy. The hyperparameters of the QRF model are optimized with a proposed alpha-logistic-weighted criterion so that the coverage probabilities associated with the prediction intervals are calibrated. The interpretability of the final QRF model is explored with two global model-agnostic methods, namely permutation importance and partial dependence plot.
Ämnesord och genrebeteckningar
- NATURVETENSKAP Data- och informationsvetenskap Bioinformatik hsv//swe
- NATURAL SCIENCES Computer and Information Sciences Bioinformatics hsv//eng
- NATURVETENSKAP Matematik Sannolikhetsteori och statistik hsv//swe
- NATURAL SCIENCES Mathematics Probability Theory and Statistics hsv//eng
- cycle life early prediction
- quantile regression forest
- interpretable machine learning.
- prediction interval
- Lithium-ion battery
Biuppslag (personer, institutioner, konferenser, titlar ...)
- Su, YangUniversité Paris-Saclay,University Paris-Saclay (författare)
- Altaf, Faisal,1982Volvo Group(Swepub:cth)afaisal (författare)
- Wik, Torsten,1968Chalmers tekniska högskola,Chalmers University of Technology(Swepub:cth)tw (författare)
- Gros, Sebastien,1977Norges teknisk-naturvitenskapelige universitet (NTNU),Norwegian University of Science and Technology (NTNU)(Swepub:cth)grosse (författare)
- Chalmers tekniska högskolaVolvo Group (creator_code:org_t)
Sammanhörande titlar
- Ingår i:IEEE Transactions on Transportation Electrification9:2, s. 2669-26822332-7782
Internetlänk
Hitta via bibliotek
- IEEE Transactions on Transportation Electrification (Sök värdpublikationen i LIBRIS)
Till lärosätets databas
- 7 av 7
- Föregående post
- Nästa post
- Till träfflistan
Hitta mer i SwePub
- Av författaren/redakt...
- Zhang, Huang, 19 ...
- Su, Yang
- Altaf, Faisal, 1 ...
- Wik, Torsten, 19 ...
- Gros, Sebastien, ...
- Om ämnet
-
- NATURVETENSKAP
- NATURVETENSKAP
- och Data och informa ...
- och Bioinformatik
-
- NATURVETENSKAP
- NATURVETENSKAP
- och Matematik
- och Sannolikhetsteor ...
- Artiklar i publikationen
- IEEE Transaction ...
- Av lärosätet
- Chalmers tekniska högskola
Sök utanför SwePub
- Sök vidare i:
- Google Book Search
- Google Scholar
Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.
- Copyright © LIBRIS - Nationella bibliotekssystem
- LIBRIS.kb.se
