Scidown文献预览系统！
不同建模技术对锂离子电池日历老化预测的评价研究( An evaluation study of different modelling techniques for calendar ageing prediction of lithium-ion batteries )
K Liu TR Ashwin X Hu M Lucu WD Widanage
电池日历老化预测是开发耐久性电动汽车的一个关键而又具有挑战性的问题。本文同时对锂离子电池日历老化预测的三种主流建模技术进行了评价。它们是基于伪二维(P2D)的电化学模型、基于Arrhenius定律的半经验模型和基于高斯过程回归(GPR)的数据驱动模型。具体地说，电化学和半经验模型都是有意识地从最先进的模型文献中开发或选择的。对于数据驱动模型，由于现有文献研究有限，本文提出了一种基于机器学习的GPR模型，并将其应用于日历老化预测。研制了一套实验装置，对商用的松下NCR18650BD电池进行加载，并在435天内采集了不同储存温度和SOC水平下的实验日历老化数据。在此基础上，利用相应的训练解对每个模型进行了良好的训练。然后从模型精度、泛化能力和不确定性管理等方面对模型的预测性能进行了研究和评价。强调了每种模型类型的挑战和未来前景，以协助工业界和学术界的研究，从而推动在电池日历老化预测领域设计先进模型技术的进展。
SciDown文献求助系统（解决99%问题） Public Download Elsevier ResearchGate ideas.repec.org
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 汽车运行条件下天窗安装夹具损耗预测下载
scidown 基于学习的图像编码:早期解决方案评审和主观质量评估下载
scidown 利用体内RNA结构通过深度学习预测细胞蛋白质- RNA的动态相互作用下载