基于数据驱动方法的电池性能深度分析
摘要：电池容量衰减是当前应用领域中最棘手的问题之一。其分解机制被认为是系统内非常复杂的过程。全面理解和准确预测这一过程是一个巨大的挑战。因此，采用机器学习（ML）技术来预测电池在循环过程中的具体容量变化，并掌握这一复杂过程。与之前的研究不同的是，根据本研究提出的WOA-ELM模型（R2 = 0.9999871），确定了影响电池具体容量的关键因素，并通过可解释的模型克服了机器学习黑匣子中的缺陷。他们与电极材料的结构损伤和电池循环过程中的故障之间的联系得到了全面的解释，揭示出它们对电池性能的重要性，有助于对现代电池和改进进行更优秀的研究。
作者：Zhen Zhang and Hongrui Sun and Hui Sun
论文ID：2308.15833
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-08-31