详细内容或原文请订阅后点击阅览
膝点预测和电池容量衰减
电动汽车、太阳能和风能替代方案有一些严重的局限性；能量密度低，在人们最需要能源的时候无法获得。电池可以帮助解决第二个问题，但目前的电池是传统技术，受到补贴和授权的阻碍，没有得到改进。阅读更多
来源:Science 2.0电动汽车以及太阳能和风能替代方案有一些严重的限制；能量密度低，当人们最需要能源时无法获得。电池可以帮助解决第二个问题，但目前的电池是传统技术，受到补贴和授权的阻碍，而不是改进。
如果我们短期内无法获得 20 世纪 80 年代锂离子电池的改进，至少可以对其进行优化，
一项最新研究介绍了一种基于神经网络的拐点预测方法。了解每个阶段的电池寿命和容量衰减情况，可让公司更好地检测拐点 - 即急剧衰减发生的位置。这将实现预测性维护并防止故障发生，直到现代电池问世。
锂离子电池的容量衰减分析和拐点预测。来源：绿色能源和智能交通该框架使用数据采集和处理、电池数据可视化和分析、特征提取和选择以及容量拐点预测。对所述的电池循环老化数据以及电压、电流和容量进行预处理。然后基于容量衰减梯度和增量容量（IC）分析电池容量衰减机理。特征集由容量衰减梯度和最大相关IC曲线的差值组成。以目标特征作为输入，以对应的容量和循环作为输出来“训练”网络。最后，利用训练好的预测网络和提取的特征来预测容量衰减的拐点。
他们的预测方法在综合预测拐点的容量和循环方面表现优于其他基准方法。所提出的LSTM方法的容量和循环的平均相对误差（MRE）分别为0.68％和9.64％。