Battery Impedance Model Identification Via Hybrid Optimization
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F26%3A0201750" target="_blank" >RIV/00216305:26220/26:0201750 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/60162694:G43__/26:00566438
Výsledek na webu
<a href="https://ieeexplore.ieee.org/document/11297616" target="_blank" >https://ieeexplore.ieee.org/document/11297616</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/SEPOC67005.2025.11297616" target="_blank" >10.1109/SEPOC67005.2025.11297616</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Battery Impedance Model Identification Via Hybrid Optimization
Popis výsledku v původním jazyce
This paper presents a method for identifying the parameters of Li-ion battery impedance models using measured data. The primary objective is to enhance the likelihood of locating the global minimum of the objective function, rather than converging to a local one. The proposed approach integrates two optimization algorithms: Particle Swarm Optimization (PSO) and the Nelder-Mead (NM) simplex method. PSO performs a broad exploration of the parameter space to identify a promising region near a potential global minimum, while NM is employed for local refinement. The degree of interaction between the two algorithms is parametrically adjustable, allowing users to balance accuracy and computational efficiency. The methodology is demonstrated using impedance measurements of a 13,450 mAh Li-ion battery, obtained with a BioLogic SP300 potentiostat.
Název v anglickém jazyce
Battery Impedance Model Identification Via Hybrid Optimization
Popis výsledku anglicky
This paper presents a method for identifying the parameters of Li-ion battery impedance models using measured data. The primary objective is to enhance the likelihood of locating the global minimum of the objective function, rather than converging to a local one. The proposed approach integrates two optimization algorithms: Particle Swarm Optimization (PSO) and the Nelder-Mead (NM) simplex method. PSO performs a broad exploration of the parameter space to identify a promising region near a potential global minimum, while NM is employed for local refinement. The degree of interaction between the two algorithms is parametrically adjustable, allowing users to balance accuracy and computational efficiency. The methodology is demonstrated using impedance measurements of a 13,450 mAh Li-ion battery, obtained with a BioLogic SP300 potentiostat.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10102 - Applied mathematics
Návaznosti výsledku
Projekt
<a href="/cs/project/GA24-12982S" target="_blank" >GA24-12982S: Impedanční spektroskopie objektů s dynamikou necelistvého řádu: Nový přístup k modelování</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2025
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
2025 17th Seminar on Power Electronics and Control Sepoc 2025
ISBN
979-8-3315-9352-0
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
—
Název nakladatele
Institute of Electrical and Electronics Engineers Inc.
Místo vydání
USA
Místo konání akce
Balneário Camboriú, Brazil
Datum konání akce
9. 11. 2025
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—