| 1. Identificação | ||||||||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | |||||||||
| Site | mtc-m21c.sid.inpe.br | |||||||||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||||||||
| Identificador | 8JMKD3MGP3W34R/3R2BN4B | |||||||||
| Repositório | sid.inpe.br/mtc-m21c/2018/04.27.23.39 | |||||||||
| Última Atualização | 2018:06.14.12.46.56 (UTC) simone | |||||||||
| Repositório de Metadados | sid.inpe.br/mtc-m21c/2018/04.27.23.39.17 | |||||||||
| Última Atualização dos Metadados | 2020:12.07.21.11.34 (UTC) administrator | |||||||||
| Chave Secundária | INPE-18032-TDI/2747 | |||||||||
| Chave de Citação | Donato:2018:MaLeSy | |||||||||
| Título | Machine learning systems applied in satellite lithium-ion battery set impedance estimation  | |||||||||
| Título Alternativo | Estimativa da impedância de conjuntos de baterias de lítio-íon por meio de aprendizado de máquina | |||||||||
| Curso | CAP-COMP-SESPG-INPE-MCTIC-GOV-BR | |||||||||
| Ano | 2018 | |||||||||
| Data | 2018-04-02 | |||||||||
| Data de Acesso | 09 maio 2024 | |||||||||
| Tipo da Tese | Dissertação (Mestrado em Computação Aplicada) | |||||||||
| Tipo Secundário | TDI | |||||||||
| Número de Páginas | 85 | |||||||||
| Número de Arquivos | 1 | |||||||||
| Tamanho | 1167 KiB | |||||||||
| 2. Contextualização | ||||||||||
| Autor | Donato, Thiago Henrique Rizzi | |||||||||
| Banca | Santos, Rafael Duarte Coelho dos (presidente) Quiles, Marcos Gonçalves (orientador) Rosa, Reinaldo Roberto Shiguemori, Elcio Hideiti Vianna, Wlamir Olivares Loesch Basgalupp, Marcio Porto | |||||||||
| Endereço de e-Mail | t.dunkin@gmail.com | |||||||||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | |||||||||
| Cidade | São José dos Campos | |||||||||
| Histórico (UTC) | 2018-04-27 23:44:02 :: t.dunkin@gmail.com -> administrator :: 2018-05-04 15:20:07 :: administrator -> pubtc@inpe.br :: 2018-05-04 15:20:33 :: pubtc@inpe.br -> t.dunkin@gmail.com :: 2018-05-06 03:56:44 :: t.dunkin@gmail.com -> pubtc@inpe.br :: 2018-05-08 11:52:41 :: pubtc@inpe.br -> t.dunkin@gmail.com :: 2018-05-11 21:42:30 :: t.dunkin@gmail.com -> pubtc@inpe.br :: 2018-05-14 13:17:16 :: pubtc@inpe.br -> t.dunkin@gmail.com :: 2018-05-15 12:10:38 :: t.dunkin@gmail.com -> pubtc@inpe.br :: 2018-06-01 12:08:34 :: pubtc@inpe.br -> administrator :: 2018-06-14 12:38:46 :: administrator -> simone :: 2018-06-14 12:46:56 :: simone :: -> 2018 2018-06-14 12:47:27 :: simone -> administrator :: 2018 2018-06-21 07:45:36 :: administrator -> simone :: 2018 2018-06-22 16:56:22 :: simone -> administrator :: 2018 2020-12-07 21:11:34 :: administrator -> simone :: 2018 | |||||||||
| 3. Conteúdo e estrutura | ||||||||||
| É a matriz ou uma cópia? | é a matriz | |||||||||
| Estágio do Conteúdo | concluido | |||||||||
| Transferível | 1 | |||||||||
| Palavras-Chave | lithion-ion battery state of charge gradient tree boosting multi layer perceptron bateria lítio-íon estado de carga | |||||||||
| Resumo | In this work, the internal impedance of the lithium-ion battery pack, an essential measure of the degradation level of the batteries, is estimated employing ensembles of machine learning models. In this study, we take the supervised learning techniques Multi-Layer Perceptron bagging neural network and gradient tree boosting into account. Characteristics of the electric power system, in which the battery pack is inserted, are extracted and used in the modeling and training phases. During this process, the architecture of the ensembles and the configuration of their base learners are tuned through validation iterations. Finally, with the application of statistical testing and similarity analysis techniques, the best ensembles of models are examined and compared to other methods found in the literature. Results indicate that our approach is a suitable manner to estimate the internal impedance of batteries. RESUMO: Neste trabalho, a impedância interna de um conjunto de baterias lítio-íon (uma importante medida do nível de degradação) é estimada por meio de conjuntos de modelos de aprendizado supervisionado tais como: rede neural tipo MLP (Multi- Layer Perceptron) e Gradient Tree Boosting. Para isto, características do sistema de alimentação elétrica, em que o conjunto de baterias está inserido, são extraídas e utilizadas na construção de conjuntos de modelos supervisionados (MLP e xgBoost). Ao longo deste processo, a arquitetura de tais conjuntos de modelos e suas respectivas configurações são ajustados por meio de validações. Finalmente, com a aplicação de técnicas de teste e verificação estatística, as acurácias dos modelos são calculadas e testes comparativos são conduzidos. Os resultados obtidos mostram que a abordagem proposta é adequada para o problema de estimativa da impendância de baterias. | |||||||||
| Área | COMP | |||||||||
| Arranjo | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Machine learning systems... | |||||||||
| Conteúdo da Pasta doc | acessar | |||||||||
| Conteúdo da Pasta source |
| |||||||||
| Conteúdo da Pasta agreement |
| |||||||||
| 4. Condições de acesso e uso | ||||||||||
| URL dos dados | http://mtc-m21c.sid.inpe.br/ibi/8JMKD3MGP3W34R/3R2BN4B | |||||||||
| URL dos dados zipados | http://mtc-m21c.sid.inpe.br/zip/8JMKD3MGP3W34R/3R2BN4B | |||||||||
| Idioma | en | |||||||||
| Arquivo Alvo | publicacao.pdf | |||||||||
| Grupo de Usuários | gabinete@inpe.br pubtc@inpe.br t.dunkin@gmail.com | |||||||||
| Grupo de Leitores | administrator gabinete@inpe.br pubtc@inpe.br t.dunkin@gmail.com yolanda.souza@mcti.gov.br | |||||||||
| Visibilidade | shown | |||||||||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | |||||||||
| Permissão de Leitura | allow from all | |||||||||
| Permissão de Atualização | não transferida | |||||||||
| 5. Fontes relacionadas | ||||||||||
| Repositório Espelho | urlib.net/www/2017/11.22.19.04.03 | |||||||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F2PHGS | |||||||||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.12.22.16 1 | |||||||||
| Acervo Hospedeiro | urlib.net/www/2017/11.22.19.04 | |||||||||
| 6. Notas | ||||||||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype | |||||||||
| 7. Controle da descrição | ||||||||||
| e-Mail (login) | simone | |||||||||
| atualizar | ||||||||||