Arabia and its Inhabitants

Name: Arabia and its Inhabitants
Price: 3.99 EUR
Availability: InStock
Author: Gustave L. M. Strauss
ISBN: 9782384697137

Gustave L. M. Strauss

Donner votre avis

Optimisez la gestion de vos flottes électriques grâce à une méthode innovante de prédiction de l'état de santé des batteries lithium-ion.

The Arabian peninsula, called by the natives Jesira-al-Arab, by the Persians and Turks Arabistan, forms the south-westernmost part of Asia. It is bounded on the north by Syria and the river Euphrates, on the east by the Persian Gulf, on the south by the Indian Ocean, on the west by the Red Sea, or Arabian Gulf. Including the north-eastern desert, it occupies an area ten times the extent of that of Great Britain and Ireland. The connecting link between Asia and Africa, to which latter continent it is joined by the Isthmus of Suez, it presents in its natural features, a faithful copy of its colossal tropical neighbour, modified, however, by the imprint of a strongly marked individual character, the result of its peculiar isolated position... This book explores the history of Arabian peninsula.

shield_question Frequently Asked Questions

Ce livre présente une méthode innovante de prédiction de l'état de santé (SOH) des batteries lithium-ion, spécialement conçue pour les flottes de véhicules électriques en conditions réelles. Il permet aux gestionnaires de flottes d'anticiper les remplacements de véhicules et d'optimiser leurs coûts opérationnels, grâce à des modèles basés sur l'apprentissage automatique et des données historiques d'utilisation.

L'ouvrage explore la modélisation de l'état de santé des batteries lithium-ion, l'utilisation de données opérationnelles pour prédire leur vieillissement, et l'application de l'apprentissage automatique dans la gestion de flottes électriques. Il aborde également la transférabilité des modèles à différents types de batteries et de conditions d'exploitation.

Ce livre s'adresse principalement aux gestionnaires de flottes de véhicules électriques, aux ingénieurs en mobilité durable, aux chercheurs en science des données appliquées à l'énergie, et aux professionnels de l'industrie automobile intéressés par l'optimisation de la durée de vie des batteries.

Vous pourrez interroger ce smartbook sur les méthodes de prédiction de l'état de santé des batteries, les techniques d'analyse des données opérationnelles, les modèles d'apprentissage automatique utilisés, ou encore sur des cas concrets d'application pour des flottes de véhicules électriques. Vous pourrez également demander des précisions sur la transférabilité des modèles à d'autres types de batteries ou de conditions d'exploitation.

person_edit À propos de l'auteur

Friedrich von Bülow est un ingénieur et chercheur spécialisé dans l'application de l'apprentissage automatique à la gestion des batteries lithium-ion pour les véhicules électriques. Diplômé en ingénierie mécanique et automatisation de l'Université RWTH d'Aix-la-Chapelle, il a développé des méthodes innovantes pour prédire l'état de santé des batteries en conditions réelles d'exploitation. Ses travaux, publiés notamment par Springer Vieweg, s'adressent aux professionnels de l'industrie automobile et de la mobilité durable. Il est reconnu pour ses contributions à l'optimisation de la durée de vie des batteries et à la réduction des coûts opérationnels des flottes électriques.

tag Keywords

batteries lithium-ion état de santé (soh) véhicules électriques gestion de flottes apprentissage automatique data-driven prédiction de durée de vie optimisation des coûts mobilité durable batteries automobiles modélisation du vieillissement conditions réelles d'exploitation histogram-based features transférabilité des modèles cloud service fleet managers battery electric vehicles (bev) maintenance prédictive durabilité des batteries réduction des coûts opérationnels smartbook ebook technique ingénierie automobile énergie renouvelable technologie des batteries modèles de régression machine learning appliqué stratégie opérationnelle remplacement de véhicules analyse de données opérationnelles