Immediate remaining capacity estimation of heterogeneous second-life lithium-ion batteries via deep generative transfer learning
72Citations signalées — pas une note de qualité
7Institutions déclarées
4Pays d’affiliation déclarés
Résumé fourni par la source
This work proposes a novel deep generative transfer learning algorithm to estimate the relative remaining capacity of second-life batteries using minimal field data, enabling safe and sustainable reuse under data scarce and heterogeneous conditions.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé, mais le titre doit être comparé manuellement.
- Titre Crossref
- Immediate remaining capacity estimation of heterogeneous second-life lithium-ion batteries <i>via</i> deep generative transfer learning
- Date Crossref
- 01/01/2025
- Éditeur
- Royal Society of Chemistry (RSC)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.
Institutions déclarées
System Science Applications (United States)Tsinghua–Berkeley Shenzhen InstituteTsinghua UniversityHong Kong Polytechnic UniversityUniversitat Politècnica de CatalunyaLawrence Berkeley National LaboratoryApplied Optimization (United States)
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Sujets associés
Advanced Battery Technologies ResearchAdvancements in Battery MaterialsElectric Vehicles and Infrastructure