elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Bayesian Model Selection of Lithium-Ion Battery Models via Bayesian Quadrature

Adachi, Masaki und Kuhn, Yannick und Horstmann, Birger und Latz, Arnulf und Osborne, Michael A. und Howey, David A. (2023) Bayesian Model Selection of Lithium-Ion Battery Models via Bayesian Quadrature. In: IFAC World Congress 2023, Seiten 10521-10526. Elsevier. IFAC World Congress 2023, 2023-07-09 - 2023-07-14, Yokohama, Japan. doi: 10.1016/j.ifacol.2023.10.1073. (eingereichter Beitrag)

[img] PDF - Nur DLR-intern zugänglich
1MB

Offizielle URL: https://arxiv.org/abs/2210.17299

Kurzfassung

A wide variety of battery models are available, and it is not always obvious which model `best' describes a dataset. This paper presents a Bayesian model selection approach using Bayesian quadrature. The model evidence is adopted as the selection metric, choosing the simplest model that describes the data, in the spirit of Occam's razor. However, estimating this requires integral computations over parameter space, which is usually prohibitively expensive. Bayesian quadrature offers sample-efficient integration via model-based inference that minimises the number of battery model evaluations. The posterior distribution of model parameters can also be inferred as a byproduct without further computation. Here, the simplest lithium-ion battery models, equivalent circuit models, were used to analyse the sensitivity of the selection criterion to given different datasets and model configurations. We show that popular model selection criteria, such as root-mean-square error and Bayesian information criterion, can fail to select a parsimonious model in the case of a multimodal posterior. The model evidence can spot the optimal model in such cases, simultaneously providing the variance of the evidence inference itself as an indication of confidence. We also show that Bayesian quadrature can compute the evidence faster than popular Monte Carlo based solvers.

elib-URL des Eintrags:https://elib.dlr.de/192920/
Dokumentart:Konferenzbeitrag (Anderer)
Titel:Bayesian Model Selection of Lithium-Ion Battery Models via Bayesian Quadrature
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Adachi, Masakimasaki (at) robots.ox.ac.ukhttps://orcid.org/0000-0003-2580-2280NICHT SPEZIFIZIERT
Kuhn, Yannickyannick.kuhn (at) dlr.dehttps://orcid.org/0000-0002-9019-2290NICHT SPEZIFIZIERT
Horstmann, Birgerbirger.horstmann (at) dlr.dehttps://orcid.org/0000-0002-1500-0578NICHT SPEZIFIZIERT
Latz, Arnulfarnulf.latz (at) dlr.dehttps://orcid.org/0000-0003-1449-8172NICHT SPEZIFIZIERT
Osborne, Michael A.University of Oxfordhttps://orcid.org/0000-0003-1959-012XNICHT SPEZIFIZIERT
Howey, David A.The Faraday Institutionhttps://orcid.org/0000-0002-0620-3955NICHT SPEZIFIZIERT
Datum:2023
Erschienen in:IFAC World Congress 2023
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
DOI:10.1016/j.ifacol.2023.10.1073
Seitenbereich:Seiten 10521-10526
Verlag:Elsevier
Name der Reihe:IFAC-PapersOnLine
Status:eingereichter Beitrag
Stichwörter:Methodology (stat.ME), Machine Learning (cs.LG), Systems and Control (eess.SY), Chemical Physics (physics.chem-ph), FOS: Computer and information sciences, FOS: Computer and information sciences, FOS: Electrical engineering, electronic engineering, information engineering, FOS: Electrical engineering, electronic engineering, information engineering, FOS: Physical sciences, FOS: Physical sciences, 62C10, 62F15
Veranstaltungstitel:IFAC World Congress 2023
Veranstaltungsort:Yokohama, Japan
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:9 Juli 2023
Veranstaltungsende:14 Juli 2023
HGF - Forschungsbereich:Energie
HGF - Programm:Materialien und Technologien für die Energiewende
HGF - Programmthema:Elektrochemische Energiespeicherung
DLR - Schwerpunkt:Energie
DLR - Forschungsgebiet:E SP - Energiespeicher
DLR - Teilgebiet (Projekt, Vorhaben):E - Elektrochemische Speicher, E - Elektrochemische Prozesse
Standort: Ulm
Institute & Einrichtungen:Institut für Technische Thermodynamik > Computergestützte Elektrochemie
Hinterlegt von: Kuhn, Yannick
Hinterlegt am:05 Jan 2023 15:09
Letzte Änderung:24 Apr 2024 20:54

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.