Maschinelles Lernen zur Zustandsschätzung
Full Name (EN)
Machine Learning-Based State Estimation
Short Definition (EN)
Data-driven approach that learns SoC or SoH directly from historical measurement data, rather than relying on an explicit physical cell model.
Category (EN)
Data Analytics, Digital Twins, Diagnostics and Prognosis
Definition (EN)
Machine learning-based state estimation trains a model, often a neural network, directly on large volumes of historical current, voltage, and temperature data with known reference SoC or SoH, rather than relying on an explicitly derived physical or electrochemical cell model such as the equivalent circuit model. This approach can capture complex relationships that are difficult to model analytically and requires no detailed prior knowledge of the underlying electrochemistry, but its predictive quality depends heavily on the representativeness and scope of the training data and tends to deliver unreliable results outside the trained range, such as under unusual operating conditions. In practice, data-driven and model-based methods are often combined in hybrid form to offset each other's weaknesses.
Full Name (DE)
Maschinelles Lernen zur Zustandsschätzung
Short Definition (DE)
Datengetriebener Ansatz, der SoC oder SoH direkt aus historischen Messdaten lernt, statt auf einem expliziten physikalischen Zellmodell zu basieren.
Category (DE)
Datenanalyse, digitale Zwillinge, Diagnose und Prognose
Definition (DE)
Maschinelles Lernen zur Zustandsschätzung trainiert ein Modell, häufig ein neuronales Netz, direkt anhand großer Mengen historischer Strom-, Spannungs- und Temperaturdaten mit bekanntem Referenz-SoC oder -SoH, statt auf einem explizit hergeleiteten physikalischen oder elektrochemischen Zellmodell wie dem Äquivalentschaltungsmodell zu basieren. Dieser Ansatz kann komplexe, schwer analytisch modellierbare Zusammenhänge erfassen und benötigt kein detailliertes Vorwissen über die zugrunde liegende Elektrochemie, ist jedoch in seiner Vorhersagequalität stark von der Repräsentativität und dem Umfang der Trainingsdaten abhängig und liefert außerhalb des trainierten Bereichs, etwa bei ungewöhnlichen Betriebsbedingungen, tendenziell unzuverlässige Ergebnisse. In der Praxis werden datengetriebene und modellbasierte Verfahren häufig hybrid kombiniert, um die jeweiligen Schwächen auszugleichen.
Applications
Stationary BESS; Electric Vehicle; Fleet
Related Terms
SoH-Prognosemodell; Äquivalentschaltungsmodell; Fleet Analytics | SoH Prognosis Model; Equivalent Circuit Model; Fleet Analytics
Standards
Keine direkte normative Zuordnung / No direct normative assignment