Cycling degradation testing and analysis of a LiFePO<sub>4</sub> battery at actual conditions
Notice bibliographique
Résumé
This paper presents a degradation testing of a lithium-ion battery developed using real world drive cycles obtained from an electric vehicle (EV). For this, a data logger was installed in the EV, and real world drive cycle data were collected. The EV battery system consists of 3 lithium-ion battery packs with a total of 20 battery modules in series. Each module contains 6 series by 49 parallel lithium-ion cells. The vehicle was driven in the province of Ontario, Canada, and several drive cycles were recorded over a 3-month period. However, only 4 drive cycles with statistical analysis are reported in this paper. The reported drive cycles consist of different modes: acceleration, constant speed, and deceleration in both highway and city driving at −6°C, 2°C, 10°C, and 23°C ambient temperatures with all accessories on. Additionally, individual cell characterization was conducted using a C/25 (0.8A) charge-discharge cycle and hybrid pulse power characterization (HPPC). The Thevenin battery model was constructed in MATLAB along with an empirical degradation model and validated in terms of voltage and SOC for all drive cycles reported. The presented model closely estimated the profiles observed in the experimental data. Data collected from the drive cycles showed that a 4.6% capacity fade occurred over the 3 months of driving. The empirical degradation model was fitted to these data, and an extrapolation estimated that 20% capacity fade would occur after 900 daily drive cycles.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».