Modeling and Evaluation of Li-Ion Battery Performance Based on the Electric Vehicle Field Tests
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">In this paper, initial results of Li-ion battery performance characterization through field tests are presented. A fully electrified Ford Escape that is equipped by three Li-ion battery packs (LiFeMnPO4) including an overall 20 modules in series is employed. The vehicle is in daily operation and data of driving including the powertrain and drive cycles as well as the charging data are being transferred through CAN bus to a data logger installed in the vehicle. A model of the vehicle is developed in the Powertrain System Analysis Toolkit (PSAT) software based on the available technical specification of the vehicle components. In this model, a simple resistive element in series with a voltage source represents the battery. Battery open circuit voltage (OCV) and internal resistance in charge and discharge mode are estimated as a function of the state of charge (SOC) from the collected test data. It is shown that although the OCV should be measured under no-load condition, still it can be estimated with an acceptable accuracy (∼5%) from the driving data. Afterwards, performance of the battery model is evaluated in terms of prediction of state of charge (SOC), charged and discharged energy over several driving conditions as well as tracking the battery temperature profile. The model shows a high accuracy (within 5% error) in both cumulative energy and temperature prediction. Future work includes study of battery degradation incorporating real-life drive cycles.</div></div>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».