XiaoMi-AI文件搜索系统
World File Search System退化
人工智能退化的可能性
当今最有前途的新技术是人工智能。这项技术具有可以彻底改变我们生活的世界的能力。这项技术已深入到不同的领域，并且已经证明了它比旧方法的优势。使用该技术可以自动执行任何重复和简单的任务，而这些任务大多由劳动力完成。随着技术的进步，它处理更艰巨任务的能力也会增强。不同的行业对它的依赖程度如此之高，以至于劳动力数量降到了最低。这项技术是否有可能走上一条没有积极结果的道路？因此，以下文章将探讨该技术可能出现的退化问题或对实施领域可能造成的损害 [1, 2]。
使用随机森林预测具有有限退化历史的锂离子电池的剩余使用寿命
摘要 — 预测具有有限衰减历史的锂离子电池的剩余使用寿命 (RUL) 至关重要，因为它可以确保及时维护电动汽车并有效重复使用二次电池。考虑到现实的电池运行条件，本文研究了在目标电池衰减历史有限的情况下在部分充电和放电条件下的 RUL 预测。鉴于其能够告知特征重要性，采用随机森林来帮助对不同的电池测量进行优先排序，并确定准确预测 RUL 所需的最少运行数据量。通过使用一个完整的充电和放电循环检查预测性能，结果表明充电和放电的持续时间、使用容量和电压信号包含与电池 RUL 相关的重要特征。在荷电状态 (SOC) 不确定性下，还研究了部分充电和放电下的预测性能，结果表明，在 SOC 范围 [0.2,0.8] 内收集的数据可实现令人满意的性能。与现有的使用四个完整充电和放电循环的卷积神经网络方法相比，验证了所提方法增强的板载可行性。对 SOC 范围的敏感性分析表明，SOC 范围 [0 . 1 , 0 . 2] 内的数据包含磷酸铁锂电池最丰富的 RUL 相关信息。对具有不同化学性质、环境温度和 C 速率的电池进行广泛验证进一步证明了所提方法的稳健性。
混合动力发电厂的电池退化模型
摘要 — 混合动力发电厂 (HPP)，例如光伏 (PV) 和电池组合，在可再生能源渗透率高的电力系统中变得越来越重要，以解决光伏波动并确保电网稳定性。本文重点关注在考虑电池退化的同时对 HPP 中光伏和电池系统之间的协调进行建模的迫切需求。我们提出了一个发电调度模型，该模型明确将光伏电池混合纳入机组组合问题。此外，HPP 调度问题的成本函数内生地考虑了具有可调权重的电池退化，以在最小化生产成本和延长电池寿命之间取得平衡，特别是在提供能源套利和辅助服务时。使用真实的孤岛系统模拟，我们证明在调度问题中考虑电池退化可以显着延长电池寿命，而只需增加少量生产成本。索引术语 — 混合动力发电厂、光伏、电池退化、机组组合、优化
退化河流沿岸的河岸森林组成和功能特征与自然演替的差异，具有多种压力源遗留
Philippe Janssen、John C. Stella、Hervé Piégay、Bianca Räpple、Bernard Pont 等人。退化河流沿岸森林组成和功能特征与自然演替的差异，具有多种压力源遗留。整体环境科学，2020 年，721，第 15/137730 页。10.1016/j.scitotenv.2020.137730。hal-03026265
锂的日历老化的纵向退化设置...
锂离子电池（LIB）及其性能在各种系统和电子设备中起着关键作用，尤其是在接受和建立电动汽车方面。因此，对他们的衰老以及能力下降和终生减少的研究是在增加运营寿命和管理使用情况下针对电池研究目标的核心。电池老化在日历和循环老化中有区别，后者是由电荷隔离循环引起的，即由于使用情况，以及日历衰老，包括时间引起的所有其他老化过程。在相关文献中的许多论文中都研究了两种衰老，旨在识别衰老因素并建模其效果。共同的基础是日历老化主要取决于温度和充电状态（SOC），而周期老化（除了先前的因素外，还取决于当前的速率和电荷/放电/放电量电压（请参阅Barcellona和Piegari 1 and Piegari 1以及其中的参考文献）。SOC是一个指示电池相对于名义级别的电池剩余能力的索引。它在0％至100％之间变化，后者对应于充满电的电池。循环或日历老化产生的降解路径差异很大。在后一种情况下，通常观察到光滑的曲线。在这项工作中，我们将重点放在日历老化建模和目标上，以建模能力降解，这是通过纵向设置降级，该纵向设置适用于源自几个实验条件的数据，同时捕获和描述不同的 - 条件级别特定的 - 特定于效果。3）。我们激励的案例研究源于Schmalstieg等人的一项广泛的研究，其中20多种相同类型的电池电池已被测试，并考虑了它们的日历和循环老化。特别是日历老化，它们在三个不同温度和几个SOC水平下老化细胞，并在一段时间内测量了其能力，直至某个分解点，这是由所谓的寿命终止（EOL）标准指定的，通常将其设定为初始容量的80％（参见Baumhöfer等。在每个条件（SOC温度水平组合）下，他们测试了三个细胞。
使用早期电池退化数据进行可解释的电池循环寿命范围预测
摘要 — 使用早期退化数据进行电池循环寿命预测在整个电池产品生命周期中具有许多潜在应用。因此，已经提出了各种数据驱动方法来对电池循环寿命进行点预测，而无需对电池退化机制有最少的了解。然而，以较低的经济和技术风险管理迅速增加的报废电池数量需要对循环寿命进行量化的不确定性预测，而这仍然缺乏。这些先进的数据驱动方法的可解释性（即高预测精度的原因）也值得研究。这里引入了一个分位数回归森林 (QRF) 模型，该模型的优点是不假设任何特定的循环寿命分布，除了高精度的点预测之外，还可以进行循环寿命范围预测，其中不确定性量化为预测区间的宽度。使用提出的 alpha-logistic 加权标准优化 QRF 模型的超参数，从而校准与预测区间相关的覆盖概率。通过两种全局模型不可知方法，即排列重要性和部分依赖图，探索最终 QRF 模型的可解释性。
电池尺寸为48 V插入式混合动力车，考虑日历和循环退化
插电式混合动力电动汽车（PHEV），其电池组适合驾驶用例，可以帮助减少运输部门的环境足迹。与常见的高压系统相比，基于低压水平的PHEVS显示出更高的燃料消耗，但作为回报，较低的零件成本受益，并允许使用较便宜的高能电池。在本文中，优化了48 V PHEV概念的电池大小，以最大程度地降低操作成本，同时考虑到电池降低，并确保终身强大的系统布局。为了研究高能电池的适用性，在日历和循环老化研究中对31个汽车级细胞进行了研究。结果表明，日历老化对整体容量损失的显着贡献为17.5％，应在电池设计过程中考虑。循环退化模型集成在具有各种实地驾驶速度和坡度轮廓的动态编程模拟环境中，这些速度和斜率轮廓是从测得的全年驾驶轮廓中提取的。模拟结果表明，考虑到能源管理策略中的退化会减少容量损失，但在整个车辆寿命中会导致更高的运营成本。将轻度混合动力汽车扩展到PHEV可以将运营成本降低18.5％。如果不收取车辆，则成本增加了6％，强调了对PHEV频繁充电的需求。
用于效率和退化分析的兆瓦时级电网电池系统的数字孪生
大规模并网锂离子电池正越来越多地被部署，以支持可再生能源在电网中的推广。这些电池系统由数千个单个电池和各种用于监测和控制的辅助系统组成。尽管许多研究都集中在单个锂离子电池的行为上，但系统设计选择和辅助系统控制对这些包含数千个电池的系统长期退化和效率的影响却很少被详细考虑。在这里，我们模拟了一个 1 MWh 电网电池系统，该系统由 18,900 个单个电池组成，每个电池都由一个单独的电化学模型表示，以及热管理系统和电力电子转换器。对电池间变异性、热效应和退化效应的影响的模拟运行了长达 10,000 次循环和 10 年。结果表明，电接触电阻和电池间初始容量和电阻的变化对性能的影响比以前认为的要小。相反，单个电池的退化率变化在整个生命周期内主导着系统行为。证明了谨慎的热管理系统控制的重要性，比例控制比开关方法提高了 5% 点的整体效率，并且在 10 年后将电池的总可用能量提高了 5% 点。
SiC MOSFET 短路失效与退化机理研究综述及展望
短路 V gs 25V/ 0V ， V dc 400V V gs 22V/ 0V ， V dc 400V V gs 18V/ 0V ， V dc 400V V gs 25V/ 0V ， V dc 0V V gs 22V/ 0V ， V dc 0V V gs 18V/ 0V ， V dc 0V
考虑电池退化因素的可再生能源微电网电池储能系统建模综述
摘要：电池储能系统 (BESS) 的建模研究仍然很少，特别是在考虑电力系统运行过程中因可再生能源发电和电动汽车 (EV) 随机负载而发生的退化造成的功率损失的情况下。同时，由于不同的操作条件，电池寿命与制造商的声明相差很大，还取决于可再生能源 (RES) 的渗透水平、循环操作、温度、放电/充电率和放电深度。选择一种简单的退化模型方法可能会导致在选择最佳管理策略时得出不可靠的结论，并增加大量的投资和运营成本。大多数现有的固定应用中的 BESS 模型要么假设存储的退化成本为零，要么将电池寿命简化为放电深度 (DOD) 的线性函数，这可能导致在估算 BESS 退化成本时产生额外的误差。构建 BESS 寿命模型的复杂性在于，BESS 在寿命开始和结束时都存在非线性退化，而且大多数模型的构建都难以获得大量接近实际运行条件的实验数据。本文从主要应力因素对 BESS 退化程度的影响角度分析了 BESS 在微电网中运行的特定特征。本研究还对现有的电池退化评估模型进行了回顾。