Bayesian optimization algorithm‐based Gaussian process regression for in situ state of health prediction of minorly deformed lithium‐ion battery
Accurate on‐board state‐of‐health (SOH) prediction is crucial for lithium‐ion battery applications. This study presents an in situ prediction technique for minorly deformed battery SOH, utilizing a Gaussian process regression (GPR) model tuned by a Bayesian optimization algorithm. Unlike previous me...
Uloženo v:
| Vydáno v: | Energy science & engineering Ročník 12; číslo 4; s. 1472 - 1485 |
|---|---|
| Hlavní autoři: | , , , |
| Médium: | Journal Article |
| Jazyk: | angličtina |
| Vydáno: |
Wiley
01.04.2024
|
| Témata: | |
| ISSN: | 2050-0505, 2050-0505 |
| On-line přístup: | Získat plný text |
| Tagy: |
Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
|
Buďte první, kdo okomentuje tento záznam!