Tabular Open Circuit Voltage Modelling of Li-Ion Batteries for Robust SOC Estimation
Notice bibliographique
Résumé
Battery management systems depend on open circuit voltage (OCV) characterization for state of charge (SOC) estimation in real time. The traditional approach to OCV-SOC characterization involves collecting OCV-SOC data from sample battery cells and then fitting a polynomial model to this data. The parameters of these polynomial models are known as the OCV-parameters, or OCV-SOC parameters, in battery management systems and are used for real-time SOC estimation. Even though traditional OCV-SOC characterization approaches are able to abstract the OCV-SOC behavior of a battery in a few parameters, these parameters are only applicable in high precision computing systems. However, many practical battery applications do not have access to high-precision computing resources. The typical approach in a low-precision system is to round the OCV-parameters. This paper highlights the perils of rounding the OCV parameters and proposes an alternative OCV-SOC table. First, several existing OCV-SOC parameters are compared in terms of their expected system requirements and accuracy losses due to rounding. Then, a systematic optimization-based approach is introduced to create an OCV-SOC table that is robust to rounding. A formal performance evaluation metric is introduced to measure the robustness of the resulting OCV-SOC table. It is shown that the OCV-SOC table obtained through the proposed optimization approach outperforms the traditional parametric OCV-SOC models with respect to rounding.
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 | 0,001 | 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 ».