时间依赖性全局灵敏度分析与主动子空间在锂离子电池模型中的应用
Time-dependent global sensitivity analysis with active subspaces for a lithium ion battery model
AI总结：
本文提出利用主动子空间方法对锂离子电池模型进行时间依赖性全局灵敏度分析，以揭示参数与预测之间的低维结构关系。
摘要：
可再生能源研究人员利用计算机模拟辅助设计锂离子储能设备。底层模型包含多个影响模型预测的物理输入参数。有效的设计和分析必须理解模型预测对参数变化的灵敏度，但随着输入参数数量的增加，全局灵敏度分析变得愈发具有挑战性。主动子空间是发现和利用高维输入到模型输出映射中低维结构的一组新兴工具的一部分。我们扩展了线性和二次模型基于的主动子空间发现启发式方法，以适用于时间依赖过程，并将所得到的技术应用于锂离子电池模型。结果揭示了设计者可以利用的低维结构和灵敏度度量，以研究参数与预测之间的关系。
英文摘要：
Renewable energy researchers use computer simulation to aid the design of lithium ion storage devices. The underlying models contain several physical input parameters that affect model predictions. Effective design and analysis must understand the sensitivity of model predictions to changes in model parameters, but global sensitivity analyses become increasingly challenging as the number of input parameters increases. Active subspaces are part of an emerging set of tools for discovering and exploiting low-dimensional structures in the map from high-dimensional inputs to model outputs. We extend linear and quadratic model-based heuristic for active sub- space discovery to time-dependent processes and apply the resulting technique to a lithium ion battery model. The results reveal low-dimensional structure and sensitivity metrics that a designer may exploit to study the relationship between parameters and predictions.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
