Klaim Artikel Anda
Verifikasi kepemilikan artikel akademik
Apakah artikel-artikel ini milik Anda?
Daftarkan diri Anda sebagai author untuk mengklaim artikel dan dapatkan profil akademik terverifikasi dengan fitur lengkap.
Badge Verifikasi
Profil terverifikasi resmi
Statistik Lengkap
H-index, sitasi, dan metrik
Visibilitas Tinggi
Tampil di direktori author
Kelola Publikasi
Dashboard artikel terpadu
Langkah-langkah Klaim Artikel:
- 1. Daftar akun author dengan email akademik Anda
- 2. Verifikasi email dan lengkapi profil
- 3. Login dan buka menu "Klaim Artikel"
- 4. Cari dan klaim artikel Anda
- 5. Tunggu verifikasi dari admin (1-3 hari kerja)
Menampilkan 1–1 dari 1 artikel
Physics-Informed Neural Network with Thevenin Equivalent Circuit for Accurate SOC Li-ion Battery Estimation
Apribowo, Chico Hermanu Brillianto
; Ashidqi, Muhamad Dzaky
; Arifin, Zainal
; Santoso , Henry Probo
Advance Sustainable Science, Engineering and Technology
Vol 7
, No 4
(2025)
Accurate state of charge (SOC) estimation is essential for the safety, performance, and longevity of lithium-ion batteries. Physics-based models such as equivalent circuit models (ECMs) are computationally efficient but struggle under nonlinear and time-varying conditions, whereas purely data-driven approaches often lack interpretability. This study proposes a hybrid framework that integrates a physics-informed neural network (PINN) with a first-order Thevenin ECM for dynamic SOC estimation usin...
Sumber Asli
Google Scholar
DOI