인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This paper proposes a Multi-encoder Transformer based battery SOH (State of Health) prediction method considering the CRP (Capacity Regeneration Phenomenon). CRP is a nonlinear effect in which battery capacity temporarily increases after an inactive state. Legacy battery SOH prediction models do not account for CRP, resulting in less accurate SOH predictions. To address this issue, we propose to decompose the battery capacity signal into its high-frequency and low-frequency components using CEEMDAN (Complete Ensemble Empirical Mode Decomposition with Adaptive Noise). In the proposed method, the Multi-encoder Transformer is employed such that each Transformer encoder, deployed in parallel, predicts value of each IMF (Intrinsic Mode Function). The predicted IMFs are concatenated and then passed to the Transformer decoder for SOH prediction. Moreover, the dual attention mechanism is used to evaluate the relative importance of time series sensor data for SOH prediction. Experimental results on the NASA and CALCE Li-ion battery dataset show that the proposed method achieved better accuracy across several evaluation metrics and provided interpretable attention weights. This study is expected to contribute to more effective battery condition monitoring, improved predictive maintenance, and overall improvement in energy management efficiency.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093856797
