image.png
準確的健康狀態(tài)（SOH）估計對于鋰離子電池的可靠安全運行至關(guān)重要。然而，由于電池類型和工作條件多樣，可靠且穩(wěn)定的電池 SOH 估計仍具挑戰(zhàn)性。本文提出了一種基于物理的神經(jīng)網(wǎng)絡(luò)（PINN），用于準確且穩(wěn)定地估計電池 SOH。具體來說，我們從經(jīng)驗劣化和狀態(tài)空間方程的角度建模影響電池劣化的屬性，并利用神經(jīng)網(wǎng)絡(luò)捕捉電池劣化動態(tài)。一種通用特征提取方法旨在從電池充滿電前的短時間內(nèi)提取統(tǒng)計特征，使我們的方法適用于不同電池類型和充放電協(xié)議。此外，我們還生成了一個包含 55 塊鋰-鎳鈷-錳氧化物（NCM）電池的綜合數(shù)據(jù)集。結(jié)合來自不同廠商的另外三個數(shù)據(jù)集，我們共使用了 387 個電池和 310,705 個樣本來驗證我們的方法。平均絕對百分比誤差（MAPE）為 0.87%。我們提出的 PINN 在常規(guī)實驗、小樣本實驗和轉(zhuǎn)移實驗中，與替代神經(jīng)網(wǎng)絡(luò)相比表現(xiàn)出顯著表現(xiàn)。本研究強調(diào)了基于物理的機器學(xué)習(xí)在電池劣化建模和 SOH 估計方面的潛力。
