Mathematical Modeling of Lithium Batteries / Hariharan, Krishnan S.  

Público ISBD Ningún comentario para este título. Título : Mathematical Modeling of Lithium Batteries : From Electrochemical Models to State Estimator Algorithms Tipo de documento: documento electrónico Autores: Hariharan, Krishnan S., ; Tagade, Piyush, ; Ramachandran, Sanoop, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XIV, 211 p. 73 ilustraciones, 34 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-03527-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Almacen de energia  Electric power production  Ingenieria Eléctrica  Almacenamiento de energía mecánica y térmica  Ingeniería de Energía Eléctrica  Ingeniería Mecánica Energética  Ingeniería eléctrica y electrónica Clasificación: 621.3126 Resumen: Este libro es único por ser el único completamente dedicado al modelado de baterías para todos los componentes de las aplicaciones del sistema de gestión de baterías (BMS). El contenido de este libro complementa la multitud de publicaciones de investigación en este campo al proporcionar fundamentos coherentes. Un mercado explosivo de baterías de iones de litio ha generado una demanda agresiva de modelos matemáticos para sistemas de gestión de baterías (BMS). Investigadores de diversos orígenes contribuyen desde sus respectivos orígenes, lo que conduce a un crecimiento lateral. El riesgo de esta situación descontrolada es que los investigadores tienden a utilizar un método o algoritmo existente sin un conocimiento profundo de los fundamentos cohesivos, lo que a menudo malinterpreta el resultado. Vale la pena señalar que los principios rectores son similares y la falta de claridad impide un avance significativo. Una repetición o incluso una sinopsis de todas las aplicaciones del modelado de baterías, aunque sea redundante, sería, por tanto, una tarea gigantesca y no se puede realizar en una sola oferta. Los autores creen que se puede hacer una contribución fundamental explicando los fundamentos de manera coherente. Una oferta de este tipo permitiría a los investigadores de múltiples dominios apreciar los principios fundamentales y avanzar más allá. La batería es un sistema electroquímico y cualquier nivel de comprensión no puede eludir esta premisa. El hilo común que debe cruzarse (desde modelos electroquímicos detallados hasta algoritmos utilizados para la estimación en tiempo real en un microchip) es que esté basado en la física. Partiendo de este tema, este libro consta de tres partes. Cada parte comienza con el desarrollo de un marco (a menudo invocando principios básicos de termodinámica o fenómenos de transporte) y termina con ciertas aplicaciones verificadas en tiempo real. La primera parte trata del modelado electroquímico y la segunda de la reducción del orden del modelo. El objetivo de un BMS es la estimación del estado y la salud, y la tercera parte está dedicada a eso. Las reglas para los observadores estatales se derivan de un marco bayesiano genérico y la estimación del estado se realiza mediante herramientas de aprendizaje automático (ML). Un componente distintivo de este libro son las derivaciones exhaustivas de las reglas de aprendizaje para los novedosos algoritmos de ML. Dada la aplicación a gran escala del ML en varios dominios, este segmento también puede ser relevante para investigadores fuera del dominio de BMS. Los autores esperan que esta oferta satisfaga a un ingeniero en ejercicio con una perspectiva básica y a un investigador en ciernes con herramientas esenciales para una comprensión integral de los modelos BMS. Nota de contenido: Lithium batteries and underlying electrochemical processes -- Electrochemical model (EM) for lithium batteries -- Electrochemical impedance spectroscopy (EIS) models -- Equivalent circuit models (ECM) -- Reduced order models -- Battery management system – state estimator and algorithms -- Battery thermal models -- Battery life models. Tipo de medio : Computadora Summary : This book is unique to be the only one completely dedicated for battery modeling for all components of battery management system (BMS) applications. The contents of this book compliment the multitude of research publications in this domain by providing coherent fundamentals. An explosive market of Li ion batteries has led to aggressive demand for mathematical models for battery management systems (BMS). Researchers from multi-various backgrounds contribute from their respective background, leading to a lateral growth. Risk of this runaway situation is that researchers tend to use an existing method or algorithm without in depth knowledge of the cohesive fundamentals—often misinterpreting the outcome. It is worthy to note that the guiding principles are similar and the lack of clarity impedes a significant advancement. A repeat or even a synopsis of all the applications of battery modeling albeit redundant, would hence be a mammoth task, and cannot be done in a single offering. The authors believe that a pivotal contribution can be made by explaining the fundamentals in a coherent manner. Such an offering would enable researchers from multiple domains appreciate the bedrock principles and forward the frontier. Battery is an electrochemical system, and any level of understanding cannot ellipse this premise. The common thread that needs to run across—from detailed electrochemical models to algorithms used for real time estimation on a microchip—is that it be physics based. Build on this theme, this book has three parts. Each part starts with developing a framework—often invoking basic principles of thermodynamics or transport phenomena—and ends with certain verified real time applications. The first part deals with electrochemical modeling and the second with model order reduction. Objective of a BMS is estimation of state and health, and the third part is dedicated for that. Rules for state observers are derived from a generic Bayesian framework, and health estimation is pursued using machine learning (ML) tools. A distinct component of this book is thorough derivations of the learning rules for the novel ML algorithms. Given the large-scale application of ML in various domains, this segment can be relevant to researchers outside BMS domain as well. The authors hope this offering would satisfy a practicing engineer with a basic perspective, and a budding researcher with essential tools on a comprehensive understanding of BMS models. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Mathematical Modeling of Lithium Batteries : From Electrochemical Models to State Estimator Algorithms [documento electrónico] / Hariharan, Krishnan S., ; Tagade, Piyush, ; Ramachandran, Sanoop,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - XIV, 211 p. 73 ilustraciones, 34 ilustraciones en color. ISBN : 978-3-319-03527-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Almacen de energia  Electric power production  Ingenieria Eléctrica  Almacenamiento de energía mecánica y térmica  Ingeniería de Energía Eléctrica  Ingeniería Mecánica Energética  Ingeniería eléctrica y electrónica Clasificación: 621.3126 Resumen: Este libro es único por ser el único completamente dedicado al modelado de baterías para todos los componentes de las aplicaciones del sistema de gestión de baterías (BMS). El contenido de este libro complementa la multitud de publicaciones de investigación en este campo al proporcionar fundamentos coherentes. Un mercado explosivo de baterías de iones de litio ha generado una demanda agresiva de modelos matemáticos para sistemas de gestión de baterías (BMS). Investigadores de diversos orígenes contribuyen desde sus respectivos orígenes, lo que conduce a un crecimiento lateral. El riesgo de esta situación descontrolada es que los investigadores tienden a utilizar un método o algoritmo existente sin un conocimiento profundo de los fundamentos cohesivos, lo que a menudo malinterpreta el resultado. Vale la pena señalar que los principios rectores son similares y la falta de claridad impide un avance significativo. Una repetición o incluso una sinopsis de todas las aplicaciones del modelado de baterías, aunque sea redundante, sería, por tanto, una tarea gigantesca y no se puede realizar en una sola oferta. Los autores creen que se puede hacer una contribución fundamental explicando los fundamentos de manera coherente. Una oferta de este tipo permitiría a los investigadores de múltiples dominios apreciar los principios fundamentales y avanzar más allá. La batería es un sistema electroquímico y cualquier nivel de comprensión no puede eludir esta premisa. El hilo común que debe cruzarse (desde modelos electroquímicos detallados hasta algoritmos utilizados para la estimación en tiempo real en un microchip) es que esté basado en la física. Partiendo de este tema, este libro consta de tres partes. Cada parte comienza con el desarrollo de un marco (a menudo invocando principios básicos de termodinámica o fenómenos de transporte) y termina con ciertas aplicaciones verificadas en tiempo real. La primera parte trata del modelado electroquímico y la segunda de la reducción del orden del modelo. El objetivo de un BMS es la estimación del estado y la salud, y la tercera parte está dedicada a eso. Las reglas para los observadores estatales se derivan de un marco bayesiano genérico y la estimación del estado se realiza mediante herramientas de aprendizaje automático (ML). Un componente distintivo de este libro son las derivaciones exhaustivas de las reglas de aprendizaje para los novedosos algoritmos de ML. Dada la aplicación a gran escala del ML en varios dominios, este segmento también puede ser relevante para investigadores fuera del dominio de BMS. Los autores esperan que esta oferta satisfaga a un ingeniero en ejercicio con una perspectiva básica y a un investigador en ciernes con herramientas esenciales para una comprensión integral de los modelos BMS. Nota de contenido: Lithium batteries and underlying electrochemical processes -- Electrochemical model (EM) for lithium batteries -- Electrochemical impedance spectroscopy (EIS) models -- Equivalent circuit models (ECM) -- Reduced order models -- Battery management system – state estimator and algorithms -- Battery thermal models -- Battery life models. Tipo de medio : Computadora Summary : This book is unique to be the only one completely dedicated for battery modeling for all components of battery management system (BMS) applications. The contents of this book compliment the multitude of research publications in this domain by providing coherent fundamentals. An explosive market of Li ion batteries has led to aggressive demand for mathematical models for battery management systems (BMS). Researchers from multi-various backgrounds contribute from their respective background, leading to a lateral growth. Risk of this runaway situation is that researchers tend to use an existing method or algorithm without in depth knowledge of the cohesive fundamentals—often misinterpreting the outcome. It is worthy to note that the guiding principles are similar and the lack of clarity impedes a significant advancement. A repeat or even a synopsis of all the applications of battery modeling albeit redundant, would hence be a mammoth task, and cannot be done in a single offering. The authors believe that a pivotal contribution can be made by explaining the fundamentals in a coherent manner. Such an offering would enable researchers from multiple domains appreciate the bedrock principles and forward the frontier. Battery is an electrochemical system, and any level of understanding cannot ellipse this premise. The common thread that needs to run across—from detailed electrochemical models to algorithms used for real time estimation on a microchip—is that it be physics based. Build on this theme, this book has three parts. Each part starts with developing a framework—often invoking basic principles of thermodynamics or transport phenomena—and ends with certain verified real time applications. The first part deals with electrochemical modeling and the second with model order reduction. Objective of a BMS is estimation of state and health, and the third part is dedicated for that. Rules for state observers are derived from a generic Bayesian framework, and health estimation is pursued using machine learning (ML) tools. A distinct component of this book is thorough derivations of the learning rules for the novel ML algorithms. Given the large-scale application of ML in various domains, this segment can be relevant to researchers outside BMS domain as well. The authors hope this offering would satisfy a practicing engineer with a basic perspective, and a budding researcher with essential tools on a comprehensive understanding of BMS models. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200