学习锂离子电池的 P2D 模型及健康状态检测
机器学习
2025-02-21 v1 化学物理
摘要
锂离子电池广泛应用于许多应用场景。电池管理系统控制其最优使用和充放电，并预测电池何时会停止提供计划工况或驾驶循环中所需的输出。此类系统使用电池性能数学模型的仿真。这些模型可以是电化学的或数据驱动的。高电流下运行的电化学模型在数学和计算上都比较复杂。本文我们展示，一个被广泛认可的电化学模型，即准二维 (P2D) 模型，可以被一个计算效率高的卷积神经网络 (CNN) 代理模型所取代，该代理模型拟合于一类随机驾驶循环中准确模拟的数据。我们证明了 CNN 是捕捉锂离子浓度轮廓的理想选择。此外，我们展示了神经网络模型如何可以调整以对应于电池健康状态 (SOH) 的变化。
引用
@article{arxiv.2502.14147,
title = {Learning the P2D Model for Lithium-Ion Batteries with SOH Detection},
author = {Maricela Best McKay and Bhushan Gopaluni and Brian Wetton},
journal= {arXiv preprint arXiv:2502.14147},
year = {2025}
}
备注
18 pages, 5 figures