Physics-based inverse modeling of battery degradation with Bayesian methods

Philipp, Micha und Kuhn, Yannick und Latz, Arnulf und Horstmann, Birger (2024) Physics-based inverse modeling of battery degradation with Bayesian methods. ChemSusChem. Wiley. ISSN 1864-5631. (eingereichter Beitrag)

PDF - Nur DLR-intern zugänglich - Preprintversion (eingereichte Entwurfsversion)
1MB

elib-URL des Eintrags:

https://elib.dlr.de/207950/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Physics-based inverse modeling of battery degradation with Bayesian methods

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Philipp, Micha	micha.philipp (at) dlr.de	https://orcid.org/0009-0002-8705-2059	NICHT SPEZIFIZIERT
Kuhn, Yannick	Yannick.Kuhn (at) dlr.de	https://orcid.org/0000-0002-9019-2290	NICHT SPEZIFIZIERT
Latz, Arnulf	arnulf.latz (at) dlr.de	https://orcid.org/0000-0003-1449-8172	NICHT SPEZIFIZIERT
Horstmann, Birger	birger.horstmann (at) dlr.de	https://orcid.org/0000-0002-1500-0578	NICHT SPEZIFIZIERT

Datum:

2024

Erschienen in:

ChemSusChem

Referierte Publikation:

Open Access:

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

Verlag:

Wiley

ISSN:

1864-5631

Status:

eingereichter Beitrag

Stichwörter:

Machine Learning, Bayessche Methoden, Batteriemodellierung, Degradationsmodelle

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:

Philipp, Micha

Hinterlegt am:

31 Okt 2024 14:04

Letzte Änderung:

31 Okt 2024 14:04

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags