JP2020106470A - 学習装置、推定装置、学習方法、推定方法、学習プログラム、および推定プログラム - Google Patents
学習装置、推定装置、学習方法、推定方法、学習プログラム、および推定プログラム Download PDFInfo
- Publication number
- JP2020106470A JP2020106470A JP2018247207A JP2018247207A JP2020106470A JP 2020106470 A JP2020106470 A JP 2020106470A JP 2018247207 A JP2018247207 A JP 2018247207A JP 2018247207 A JP2018247207 A JP 2018247207A JP 2020106470 A JP2020106470 A JP 2020106470A
- Authority
- JP
- Japan
- Prior art keywords
- storage battery
- capacity
- voltage
- estimation
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M2220/00—Batteries for particular applications
- H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
Description
[先行技術文献]
[非特許文献]
[非特許文献1] Soichiro Torai,他、"State−of−health estimation of LiFePO4/graphite batteries based on a model using differential capacity"、Journal of Power Sources 306(2016)
[非特許文献2] Ho−Ta Lin,他、"Estimation of Battery State of Health Using Probabilistic Neural Network"、IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS、VOL.9、NO.2、2013年5月
12 電池セル
14 電流センサ
100 学習装置
110 電圧センサ
120 温度センサ
130 A/D変換器
140 データ取得部
150 算出部
160 特性取得部
170 学習部
180 モデル出力部
300 推定モデル
310 モジュール
700 推定装置
710 モデル取得部
720 推定部
730 結果出力部
1010 パワーコンディショニングサブシステム
1020 ゲートウェイ
1030 ホームネットワーク
1050 サーバコンピュータ
1060 測定データベース
2200 コンピュータ
2201 DVD−ROM
2210 ホストコントローラ
2212 CPU
2214 RAM
2216 グラフィックコントローラ
2218 ディスプレイデバイス
2220 入/出力コントローラ
2222 通信インターフェイス
2224 ハードディスクドライブ
2226 DVD−ROMドライブ
2230 ROM
2240 入/出力チップ
2242 キーボード
Claims (20)
- 蓄電池の充電および放電の少なくとも一方における、複数の条件下での前記蓄電池の電圧および容量のいずれか一方と、前記蓄電池の容量変化および電圧変化に応じた特性と、を取得する特性取得部と、
前記複数の条件下での前記蓄電池の電圧および容量のいずれか一方と前記特性との関係をそれぞれ学習して、前記蓄電池の電圧および容量のいずれか一方と前記特性から前記蓄電池の最大容量および残存容量の少なくとも一方を推定する推定モデルを生成する学習部と、
を備える学習装置。 - 前記学習部は、前記複数の条件下のうちの少なくとも1つの条件下での前記関係から、異なる条件下での前記関係を補間する前記推定モデルを生成する、請求項1に記載の学習装置。
- 前記学習部は、ニューラルネットワークをモジュールとするモジュラーネットワーク型自己組織化マップを用いて前記推定モデルを生成する、請求項2に記載の学習装置。
- 前記特性は、前記蓄電池の容量を電圧で微分した容量微分特性である、請求項1から3のいずれか一項に記載の学習装置。
- 前記学習部は、各条件のそれぞれについて、前記蓄電池の最大容量を対応付ける、請求項4に記載の学習装置。
- 前記学習部は、前記容量微分特性を前記蓄電池の電圧で積分した積分特性に基づいて、各条件に対応付ける前記蓄電池の最大容量を算出する、請求項5に記載の学習装置。
- 前記特性は、前記蓄電池の電圧を容量で微分した電圧微分特性である、請求項1から3のいずれか一項に記載の学習装置。
- 蓄電池の充電および放電の少なくとも一方における、複数の条件下での前記蓄電池の電圧および容量のいずれか一方と、前記蓄電池の容量変化および電圧変化に応じた特性と、の関係から、前記蓄電池の最大容量および残存容量の少なくとも一方を推定する推定モデルを取得するモデル取得部と、
前記蓄電池の電圧および電流の時系列データを取得するデータ取得部と、
前記蓄電池の電圧および電流の時系列データに基づいて、前記特性を算出する算出部と、
前記推定モデルを用いて、前記蓄電池の電圧および容量のいずれか一方と算出した前記特性から前記蓄電池の最大容量および残存容量の少なくとも一方を推定する推定部と、
を備える推定装置。 - 前記推定モデルは、前記複数の条件下のうちの少なくとも1つの条件下での前記関係から、異なる条件下での前記関係が補間されたものである、請求項8に記載の推定装置。
- 前記推定モデルは、ニューラルネットワークをモジュールとするモジュラーネットワーク型自己組織化マップを用いて学習されたものである、請求項9に記載の推定装置。
- 前記特性は、前記蓄電池の容量を電圧で微分した容量微分特性である、請求項8から10のいずれか一項に記載の推定装置。
- 前記推定部は、前記容量微分特性を前記蓄電池の電圧で積分した積分特性に基づいて、前記蓄電池の最大容量を推定する、請求項11に記載の推定装置。
- 前記特性は、前記蓄電池の電圧を容量で微分した電圧微分特性である、請求項8から10のいずれか一項に記載の推定装置。
- 前記推定部は、前記推定モデルから、前記蓄電池の電圧を容量で微分したモデル電圧微分特性を取得し、前記モデル電圧微分特性をリファレンスとして前記蓄電池の残存容量を推定する、請求項11から13のいずれか一項に記載の推定装置。
- 前記推定部は、前記蓄電池の電圧および電流の時系列データに基づいて算出した、前記蓄電池の電圧を容量で微分した部分電圧微分特性を、前記モデル電圧微分特性をリファレンスとしてフィッティングして、前記蓄電池の残存容量を推定する、請求項14に記載の推定装置。
- 前記推定部は、前記蓄電池の電圧および電流の時系列データに基づいて前記蓄電池の最大容量および残存容量の少なくとも一方の推定可否を判定する、請求項8から15のいずれか一項に記載の推定装置。
- 学習装置が学習する学習方法であって、
蓄電池の充電および放電の少なくとも一方における、複数の条件下での前記蓄電池の電圧および容量のいずれか一方と、前記蓄電池の容量変化および電圧変化に応じた特性と、を取得することと、
前記複数の条件下での前記蓄電池の電圧および容量のいずれか一方と前記特性と、の関係をそれぞれ学習して、前記蓄電池の電圧および容量のいずれか一方と前記特性から前記蓄電池の最大容量および残存容量の少なくとも一方を推定する推定モデルを生成することと、
を備える学習方法。 - 推定装置が推定する推定方法であって、
蓄電池の充電および放電の少なくとも一方における、複数の条件下での前記蓄電池の電圧および容量のいずれか一方と、前記蓄電池の容量変化および電圧変化に応じた特性との関係から、前記蓄電池の最大容量および残存容量の少なくとも一方を推定する推定モデルを取得することと、
前記蓄電池の電圧および電流の時系列データを取得することと、
前記蓄電池の電圧および電流の時系列データに基づいて、前記特性を算出することと、
前記推定モデルを用いて、前記蓄電池の電圧および容量のいずれか一方と算出した前記特性から前記蓄電池の最大容量および残存容量の少なくとも一方を推定することと、
を備える推定方法。 - コンピュータにより実行されて、前記コンピュータを、
蓄電池の充電および放電の少なくとも一方における、複数の条件下での前記蓄電池の電圧および容量のいずれか一方と、前記蓄電池の容量変化および電圧変化に応じた特性と、を取得する特性取得部と、
前記複数の条件下での前記蓄電池の電圧および容量のいずれか一方と前記特性との関係をそれぞれ学習して、前記蓄電池の電圧および容量のいずれか一方と前記特性から前記蓄電池の最大容量および残存容量の少なくとも一方を推定する推定モデルを生成する学習部と、
して機能させる学習プログラム。 - コンピュータにより実行されて、前記コンピュータを、
蓄電池の充電および放電の少なくとも一方における、複数の条件下での前記蓄電池の電圧および容量のいずれか一方と、前記蓄電池の容量変化および電圧変化に応じた特性と、の関係から、前記蓄電池の最大容量および残存容量の少なくとも一方を推定する推定モデルを取得するモデル取得部と、
前記蓄電池の電圧および電流の時系列データを取得するデータ取得部と、
前記蓄電池の電圧および電流の時系列データに基づいて、前記特性を算出する算出部と、
前記推定モデルを用いて、前記蓄電池の電圧および容量のいずれか一方と算出した前記特性から前記蓄電池の最大容量および残存容量の少なくとも一方を推定する推定部と、
して機能させる推定プログラム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018247207A JP6881428B2 (ja) | 2018-12-28 | 2018-12-28 | 学習装置、推定装置、学習方法、推定方法、学習プログラム、および推定プログラム |
CN201980086400.XA CN113227808A (zh) | 2018-12-28 | 2019-10-18 | 学习装置、推定装置、学习方法、推定方法、学习程序及推定程序 |
EP19902756.6A EP3904894B1 (en) | 2018-12-28 | 2019-10-18 | Training device, estimation device, training method, estimation method, training program, and estimation program |
PCT/JP2019/041167 WO2020137114A1 (ja) | 2018-12-28 | 2019-10-18 | 学習装置、推定装置、学習方法、推定方法、学習プログラム、および推定プログラム |
US17/359,638 US20210325469A1 (en) | 2018-12-28 | 2021-06-28 | Learning apparatus, estimation apparatus, learning method, estimation method, recording medium having recorded thereon learning program, and recording medium having recorded thereon estimation program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018247207A JP6881428B2 (ja) | 2018-12-28 | 2018-12-28 | 学習装置、推定装置、学習方法、推定方法、学習プログラム、および推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020106470A true JP2020106470A (ja) | 2020-07-09 |
JP6881428B2 JP6881428B2 (ja) | 2021-06-02 |
Family
ID=71128395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018247207A Active JP6881428B2 (ja) | 2018-12-28 | 2018-12-28 | 学習装置、推定装置、学習方法、推定方法、学習プログラム、および推定プログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210325469A1 (ja) |
EP (1) | EP3904894B1 (ja) |
JP (1) | JP6881428B2 (ja) |
CN (1) | CN113227808A (ja) |
WO (1) | WO2020137114A1 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021103141A (ja) * | 2019-12-25 | 2021-07-15 | 本田技研工業株式会社 | 機械学習装置、機械学習方法、充電率推定装置、および充電率推定システム |
JP2023051292A (ja) * | 2021-09-30 | 2023-04-11 | 横河電機株式会社 | 診断装置、診断方法及び診断プログラム |
WO2023195336A1 (ja) * | 2022-04-07 | 2023-10-12 | 株式会社デンソー | 電池残量推定装置 |
WO2023195337A1 (ja) * | 2022-04-07 | 2023-10-12 | 株式会社デンソー | 電池残量推定装置 |
WO2023234538A1 (ko) * | 2022-06-02 | 2023-12-07 | 주식회사 엘지에너지솔루션 | 배터리 셀 수명 진단 장치 및 그것의 동작 방법 |
JP7524469B2 (ja) | 2020-12-24 | 2024-07-29 | エルジー エナジー ソリューション リミテッド | 電池管理装置および方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112152275B (zh) * | 2019-06-28 | 2021-08-31 | Oppo广东移动通信有限公司 | 电池充电方法和装置、电子设备、计算机可读存储介质 |
KR20220114915A (ko) * | 2021-02-09 | 2022-08-17 | 주식회사 엘지에너지솔루션 | 배터리 진단 장치 및 방법 |
CN114210591B (zh) * | 2021-12-02 | 2023-12-22 | 格林美股份有限公司 | 一种基于ic曲线的锂电池梯次利用分选方法及装置 |
CN114280491B (zh) * | 2021-12-23 | 2024-01-05 | 中山大学 | 一种基于主动学习的退役电池剩余容量估计方法 |
WO2023189368A1 (ja) * | 2022-03-30 | 2023-10-05 | ヌヴォトンテクノロジージャパン株式会社 | 蓄電池の劣化推定装置、及び蓄電池の劣化推定方法 |
CN115954992B (zh) * | 2023-03-14 | 2023-05-23 | 银河航天(西安)科技有限公司 | 基于马尔科夫链的蓄电池过放保护方法 |
CN117390015B (zh) * | 2023-09-27 | 2024-07-26 | 希维科技(广州)有限公司 | 电池护照的存储方法、设备及存储介质 |
CN118275925A (zh) * | 2024-06-04 | 2024-07-02 | 新乡学院 | 基于水母层叠记忆模型的锂离子电池健康状态估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09236641A (ja) * | 1995-12-28 | 1997-09-09 | Yazaki Corp | バッテリー残量容量計測装置 |
JP2016014588A (ja) * | 2014-07-02 | 2016-01-28 | 日産自動車株式会社 | バッテリ管理装置 |
JP2017223537A (ja) * | 2016-06-15 | 2017-12-21 | 本田技研工業株式会社 | 電池状態推定装置および電池状態推定方法 |
JP2017227539A (ja) * | 2016-06-22 | 2017-12-28 | 横河電機株式会社 | 二次電池容量測定システムおよび二次電池容量測定方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3520886B2 (ja) * | 1996-03-08 | 2004-04-19 | サンケン電気株式会社 | 二次電池の状態判定方法 |
EP1004032A1 (en) * | 1997-06-19 | 2000-05-31 | Snap-On Equipment Limited | Battery testing and classification |
US20030184307A1 (en) * | 2002-02-19 | 2003-10-02 | Kozlowski James D. | Model-based predictive diagnostic tool for primary and secondary batteries |
JP3935099B2 (ja) * | 2003-04-15 | 2007-06-20 | 株式会社デンソー | 車両用蓄電装置の内部状態検出システム |
CN103091642B (zh) * | 2013-01-22 | 2014-12-10 | 北京交通大学 | 一种锂电池容量快速估计方法 |
EP3163669B1 (en) * | 2014-06-24 | 2019-10-30 | Kabushiki Kaisha Toshiba | Degradation control device of storage battery system and method for same |
CN205583754U (zh) * | 2016-04-13 | 2016-09-14 | 华北电力大学(保定) | 基于分组轮换的蓄电池组充放电智能均衡系统 |
KR20180037760A (ko) * | 2016-10-05 | 2018-04-13 | 삼성전자주식회사 | 배터리 상태 추정 장치 및 방법 |
CN107273445A (zh) * | 2017-05-26 | 2017-10-20 | 电子科技大学 | 一种大数据分析中缺失数据混合多重插值的装置和方法 |
-
2018
- 2018-12-28 JP JP2018247207A patent/JP6881428B2/ja active Active
-
2019
- 2019-10-18 CN CN201980086400.XA patent/CN113227808A/zh active Pending
- 2019-10-18 WO PCT/JP2019/041167 patent/WO2020137114A1/ja unknown
- 2019-10-18 EP EP19902756.6A patent/EP3904894B1/en active Active
-
2021
- 2021-06-28 US US17/359,638 patent/US20210325469A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09236641A (ja) * | 1995-12-28 | 1997-09-09 | Yazaki Corp | バッテリー残量容量計測装置 |
JP2016014588A (ja) * | 2014-07-02 | 2016-01-28 | 日産自動車株式会社 | バッテリ管理装置 |
JP2017223537A (ja) * | 2016-06-15 | 2017-12-21 | 本田技研工業株式会社 | 電池状態推定装置および電池状態推定方法 |
JP2017227539A (ja) * | 2016-06-22 | 2017-12-28 | 横河電機株式会社 | 二次電池容量測定システムおよび二次電池容量測定方法 |
Non-Patent Citations (1)
Title |
---|
TETSUO FURUKAWA ET AL.: "Modular Network SOM(mnSOM):From Vector Space to Function Space", 2005 IEEE INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS, vol. 3, JPN6021000447, 2005, pages 1581 - 1586, XP010866878, ISSN: 0004423240, DOI: 10.1109/IJCNN.2005.1556114 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021103141A (ja) * | 2019-12-25 | 2021-07-15 | 本田技研工業株式会社 | 機械学習装置、機械学習方法、充電率推定装置、および充電率推定システム |
JP7082603B2 (ja) | 2019-12-25 | 2022-06-08 | 本田技研工業株式会社 | 機械学習装置、機械学習方法、充電率推定装置、および充電率推定システム |
JP7524469B2 (ja) | 2020-12-24 | 2024-07-29 | エルジー エナジー ソリューション リミテッド | 電池管理装置および方法 |
JP2023051292A (ja) * | 2021-09-30 | 2023-04-11 | 横河電機株式会社 | 診断装置、診断方法及び診断プログラム |
JP7423583B2 (ja) | 2021-09-30 | 2024-01-29 | 横河電機株式会社 | 診断装置、診断方法及び診断プログラム |
WO2023195336A1 (ja) * | 2022-04-07 | 2023-10-12 | 株式会社デンソー | 電池残量推定装置 |
WO2023195337A1 (ja) * | 2022-04-07 | 2023-10-12 | 株式会社デンソー | 電池残量推定装置 |
WO2023234538A1 (ko) * | 2022-06-02 | 2023-12-07 | 주식회사 엘지에너지솔루션 | 배터리 셀 수명 진단 장치 및 그것의 동작 방법 |
Also Published As
Publication number | Publication date |
---|---|
EP3904894B1 (en) | 2023-03-22 |
CN113227808A (zh) | 2021-08-06 |
EP3904894A1 (en) | 2021-11-03 |
JP6881428B2 (ja) | 2021-06-02 |
EP3904894A4 (en) | 2022-03-02 |
US20210325469A1 (en) | 2021-10-21 |
WO2020137114A1 (ja) | 2020-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6881428B2 (ja) | 学習装置、推定装置、学習方法、推定方法、学習プログラム、および推定プログラム | |
Rivera-Barrera et al. | SoC estimation for lithium-ion batteries: Review and future challenges | |
Liu et al. | Future ageing trajectory prediction for lithium-ion battery considering the knee point effect | |
Wang et al. | A critical review of online battery remaining useful lifetime prediction methods | |
Kim et al. | An on-board model-based condition monitoring for lithium-ion batteries | |
Selvaraj et al. | A comprehensive review of state of charge estimation in lithium-ion batteries used in electric vehicles | |
Bai et al. | Prognostics of Lithium-Ion batteries using knowledge-constrained machine learning and Kalman filtering | |
Zhao et al. | Battery prognostics and health management from a machine learning perspective | |
Zhang et al. | State of health estimation of lithium-ion batteries based on modified flower pollination algorithm-temporal convolutional network | |
Li et al. | State-of-health rapid estimation for lithium-ion battery based on an interpretable stacking ensemble model with short-term voltage profiles | |
Sesidhar et al. | A review on data-driven SOC estimation with Li-Ion batteries: Implementation methods & future aspirations | |
Surya et al. | Comprehensive review on smart techniques for estimation of state of health for battery management system application | |
Surendar et al. | Estimation of state of charge of a lead acid battery using support vector regression | |
Su et al. | Prognostics of lithium-ion batteries based on different dimensional state equations in the particle filtering method | |
Li et al. | A hybrid framework for predicting the remaining useful life of battery using Gaussian process regression | |
De Sousa et al. | Comparison of different approaches for lead acid battery state of health estimation based on artificial neural networks algorithms | |
Li et al. | State-of-health estimation method for fast-charging lithium-ion batteries based on stacking ensemble sparse Gaussian process regression | |
Li et al. | Multiple layer kernel extreme learning machine modeling and eugenics genetic sparrow search algorithm for the state of health estimation of lithium-ion batteries | |
Beltran et al. | Machine learning techniques suitability to estimate the retained capacity in lithium-ion batteries from partial charge/discharge curves | |
Hussein et al. | A review of battery state of charge estimation and management systems: Models and future prospective | |
Myilsamy et al. | State-of-health prediction for Li-ion batteries for efficient battery management system using hybrid machine learning model | |
US20240149728A1 (en) | Methods and systems for an electric vehicle charging connector | |
Renold et al. | Comprehensive Review of Machine Learning, Deep Learning, and Digital Twin Data-Driven Approaches in Battery Health Prediction of Electric Vehicles | |
Safavi et al. | Battery Remaining Useful Life Prediction Using Machine Learning Models: A Comparative Study | |
Oyucu et al. | Discharge Capacity Estimation for Li-Ion Batteries: A Comparative Study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210301 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210406 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210419 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6881428 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |