Li-Ion Battery Performance Degradation Modeling for the Optimal Design and Energy Management of Electrified Propulsion Systems
Notice bibliographique
Résumé
Heavy-duty hybrid electric vehicles and marine vessels need a sizeable electric energy storage system (ESS). The size and energy management strategy (EMS) of the ESS affects the system performance, cost, emissions, and safety. Traditional power-demand-based and fuel-economy-driven ESS sizing and energy management has often led to shortened battery cycle life and higher replacement costs. To consider minimizing the total lifecycle cost (LCC) of hybrid electric propulsion systems, the battery performance degradation and the life prediction model is a critical element in the optimal design process. In this work, a new Li-ion battery (LIB) performance degradation model is introduced based on a large set of cycling experiment data on LiFePO4 (LFP) batteries to predict their capacity decay, resistance increase and the remaining cycle life under various use patterns. Critical parameters of the semi-empirical, amended equivalent circuit model were identified using least-square fitting. The model is used to calculate the investment, operation, replacement and recycling costs of the battery ESS over its lifetime. Validation of the model is made using battery cycling experimental data. The new LFP battery performance degradation model is used in optimizing the sizes of the key hybrid electric powertrain component of an electrified ferry ship with the minimum overall LCC. The optimization result presents a 12 percent improvement over the traditional power demand-driven hybrid powertrain design method. The research supports optimal sizing and EMS development of hybrid electric vehicles and vessels to achieve minimum lifecycle costs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».