基于物理信息的锂离子电池循环寿命预测优化方法
机器学习
2025-05-07 v2
摘要
准确测量商业锂离子电池的循环寿命对于性能和技术发展至关重要. 我们引入一种新型混合方法, 将基于物理的方程与自注意力模型相结合, 通过早期循环数据预测商业锁铁基石墨电池的循环寿命. 在对容量损失曲线拟合到该基于物理的方程后, 我们然后使用自注意力层来重建整个电池容量损失曲线. 该模型在预测方面表现出与现有模型相当的性能, 但预测的信息更多: 整个容量损失曲线而非仅循环寿命. 这提供了更大的鲁棒性和可解释性: 我们的模型无需针对不同的终生定义进行重新训练, 并受到物理直觉的支撑.
引用
@article{arxiv.2404.17174,
title = {Optimizing Cycle Life Prediction of Lithium-ion Batteries via a Physics-Informed Model},
author = {Constantin-Daniel Nicolae and Sara Sameer and Nathan Sun and Karena Yan},
journal= {arXiv preprint arXiv:2404.17174},
year = {2025}
}