注册
登录
专栏名称:
能源学人
能源学人致力于打造最具影响力的知识媒体平台! “能”(Energy)涉及化学、生物、信息等与能相关的前沿科技领域; “源”(Nature)即通过现象探究事物本质,科学化深层次解析问题。
我也要提交微信公众号
今天看啥
微信公众号rss订阅, 微信rss, 稳定的RSS源
微信公众号RSS订阅方法
B站投稿RSS订阅方法
雪球动态RSS订阅方法
微博RSS订阅方法
微博搜索关键词订阅方法
豆瓣日记 RSS订阅方法
目录
相关文章推荐
气象北京
·
湿度大今早能见度不佳 驾车慢行
·
3 天前
北京亦庄
·
全国人大北京团代表到经开区等区开展专题调研
·
6 天前
北京亦庄
·
下月颁奖! ...
·
1 周前
今天看啥
›
专栏
›
能源学人
大规模无标签数据助力电池管理:基于自监督机器学习与实车运行数据的电池老化诊断方法
能源学人
·
公众号
· · 2024-09-16 11:32
文章预览
第一作者:Qiao Wang 通讯作者:Bin Li, Weihan Li 通讯单位:长安大学, 亚琛工业大学 【研究背景】 发展电动汽车是全球能源系统变革、数字智能化经济建设的重大战略需求。锂离子电池因其能量密度高、使用寿命长、自放电率低等优点,是电动汽车最理想的储能系统之一。然而,作为电化学系统,锂离子电池在使用和储存过程中会出现容量和功率的持续衰减,从而引发潜在的寿命和安全问题。准确的锂离子电池老化诊断有利于提升整车系统的安全性与经济性,在电动汽车电池管理系统中扮演重要角色。然而,由于复杂的老化机制和实际应用场景下的不确定性,在实车应用中实现准确的电池老化诊断具有挑战性。 【工作简介】 近日,长安大学联合德国亚琛工业大学Weihan Li团队提出了一种基于自监督学习的电池老化诊断框架,充分挖掘实车无标签数据以 ………………………………
原文地址:
访问原文地址
快照地址:
访问文章快照
总结与预览地址:
访问总结与预览
分享到微博
推荐文章
气象北京
·
湿度大今早能见度不佳 驾车慢行
3 天前
北京亦庄
·
全国人大北京团代表到经开区等区开展专题调研
6 天前
北京亦庄
·
下月颁奖! 2024年“数据要素×”大赛北京分赛决赛在经开区举办
1 周前
五星体育
·
巴黎奥运早报:再创历史!16年的等待!这群姑娘做到了!
1 月前