Применение методов глубокого обучения для анализа флуктуаций напряжения литий-ионных источников тока
Автор: Попов Л.Т., Мозговой Н. А., Сущеня Г. Н., Пиджаков В. А., Ульянов С. А.
Журнал: Труды Московского физико-технического института @trudy-mipt
Рубрика: Физика
Статья в выпуске: 4 (60) т.15, 2023 года.
Бесплатный доступ
Рассматриваются подходы к улучшению метода контроля состояния литий-ионных источников тока по шумам их напряжения при помощи численных методов и алгоритмов в виде комплексов проблемно-ориентированных программ. Для этого проведено измерение электрических параметров литий-ионных источников тока в различных режимах работы. Методами математической обработки данных решена задача разделения сигнал-шум. Проведен анализ стохастического состава шумов источников тока при помощи кластеризации. На основе полученных данных о флуктуациях напряжения обучена нейронная сеть, определяющая зарядовое состояние элемента по выделенным шумам. Показана эффективность использования слоев с долгой краткосрочной памятью для решения данной задачи.
Литий-ионные источники тока, контроль состояния источников тока, нейронные сети, кластеризация, машинное обучение
Короткий адрес: https://sciup.org/142239999
IDR: 142239999
Список литературы Применение методов глубокого обучения для анализа флуктуаций напряжения литий-ионных источников тока
- Петренко Е.М., Луковцев В.П., Петренко М.С. Диагностика первичных химических источников тока методом шумовой спектроскопии с использованием вейвлет-анализа // Электрохимическая энергетика. 2018. Т. 18, № 2. С. 77–83.
- Uzundal C.B., Ulgut B. A method for voltage noise measurement and its application to primary batteries // Journal of The Electrochemical Society. 2018. V. 165. P. A2557-A2562.
- Martemianov S., Adiutantov N., Evdokimov Y.K., Madier L., Maillard F., Thomas A. New methodology of electrochemical noise analysis and applications for commercial Li-ion batteries // Journal of Solid State Electrochemistry. 2015. V. 19. P. 2803–2810.
- Astafev E. Electrochemical noise measurement methodologies of chemical power sources // Instrumentation Science & Technology. 47:3. P. 233–247. DOI: 10.1080/10739149.2018.1521423.
- Мартемьянов C.А., Майяр Ф., Тома А., Лагонот П., Мадье Л. Шумовая диагностика промышленных литиево-ионных аккумуляторов с использованием моментов высокого порядка // Электрохимия. 2016. Т. 52. С. 1259–1268.6.
- Babaeiyazdi I., Rezaei-Zare A., Shokrzadeh S. State of charge prediction of EV Li-ion batteries using EIS: A machine learning approach // Energy. 2021. V. 223. P. 120116.
- Попов А.Г., Еремин Н.В., Мозговой Н.А. Спектральное исследование электрохимических шумов литиевых источников тока // Труды МФТИ. 2021. T. 13, № 2. С. 23–31.
- Astafev E.A. State-of-charge determination of Li/SOCl2 primary battery by means of electrochemical noise measurement // Journal of Solid State Electrochemistry. 2019. V. 23. P. 1493–1504.
- Колосницын Д.В., Саввина А.А., Храмцова Л.А., Кузьмина Е.В., Колосницын В.С. Моделирование и оценка зарядового состояния литий-серного аккумулятора с помощью нейронно-нечёткой сети // Электрохимическая энергетика. 2021. Т. 21, № 2. C. 96–107.
- Babaeiyazdi I., Rezaei-Zare A., Shokrzadeh S. State of charge prediction of EV Li-ion batteries using EIS: a machine learning approach // Energy. 2021. V. 223. P. 120116.
- Wang Q., Ye M., Wei M., Lian G., Li Y. Deep convolutional neural network based closedloop SOC estimation for lithium-ion batteries in hierarchical scenarios // Energy. 2023. V. 263, I. PB.
- Гайфулина Д.А., Котенко И.В. Применение методов глубокого обучения в задачах кибербезопасности // Вопросы кибербезопасности. 2020. № 4(38). С. 11–19.
- Астафьев Е.А. Электрохимические шумы химических источников тока дисс. на соискание ученой степени доктора химических наук. Российская Академия Наук. Институт проблем химической физики.
- Dragomiretskiy K., Zosso D. Two-Dimensional Variational Mode Decomposition // IEEE Trans. Signal Process. 2014. V. 62. P. 531–544. DOI: 10.1109/TSP.2013.2288675.
- Воронцов К.В. Алгоритмы кластеризации и многомерного шкалирования. Курс лекций. Москва : МГУ, 2007. [Электронный ресурс]. Режим доступа: http://www.ccas.ru/voron/download/Clustering.pdf(21.12.2019)
- Hochreiter S., Schmidhuber J. Long short-term memory // Neural computation. 1997. V. 9(8). P. 1735–1780.
- Zhang Z., Shao J., Li J., Wang Y., Wang Z. SOC Estimation Methods for Lithium-Ion Batteries without Current Monitoring // Batteries. 2023. V. 9. P. 442. https://doi.org/10.3390/batteries9090442.
- Сущеня Г.Н., Еремин Н.В., Попов А.Г., Мозговой Н.А., Пиджаков В.А. Разработка методов испытаний состояния заряда химических источников тока в контролируемых условиях // Труды 64-й Всероссийской научной конференции МФТИ. 2021. C. 355.
