MétaCan
Menu
Retour à la cohorte
Enregistrement W2560053418 · doi:10.1149/2.0221702jes

An Inverse Method for Estimating the Electrochemical Parameters of Lithium-Ion Batteries

2016· article· en· W2560053418 sur OpenAlexafffund
Barzin Rajabloo, Ali Jokar, Martin Désilets, Marcel Lacroix

Notice bibliographique

RevueJournal of The Electrochemical Society · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHydro-Québec
Mots-clésInverseLithium (medication)ElectrochemistryIonElectrodeDiffusionInterval (graph theory)Materials scienceChemistryAnalytical Chemistry (journal)ThermodynamicsApplied mathematicsMathematicsPhysicsPhysical chemistryGeometry

Résumé

récupéré en direct d'OpenAlex

This paper is the second part of a two part study on parameter estimation of Li-ion batteries. The methodology was developed in Part I. In Part II, the methodology is tested for LiCoO2, LiMn2O4 and LiFePO4 positive electrode materials. An inverse method combined to a simplified version of the Pseudo-two-Dimensional (P2D) model is used to identify the solid diffusion coefficients (Ds,n and Ds,p), the intercalation/deintercalation reaction-rate constants (Kn and Kp), the initial SOC (SOCn,0 and SOCp,0), and the electroactive surface areas (Sn and Sp) of Li-ion batteries. Experimental cell potentials for both low and high discharge rates provide the reference data for minimizing the objective function in the best time interval. For all cases simulated, the numerical predictions show excellent agreement with the experimental data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,330

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,296
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207