wang-fujin/PINN4SOH

何を解決するか

このプロジェクトは、リチウムイオン電池の劣化の安定したモデリングと予測を提供し、特にState of Health (SOH)推定に焦点を当てています。バッテリーの健康状態予測における標準的な回帰モデルでよく見られる変動性と不安定性を克服することを目指しています。

動作方法

このプロジェクトは、物理法則とバッテリー劣化の物理法則をニューラルネットワークアーキテクチャに統合するPhysics-Informed Neural Network (PINN)を実装しています。このアプローチにより、従来のMulti-Layer Perceptrons (MLP) やConvolutional Neural Networks (CNN) と比較して、バッテリー劣化の予測において安定性と精度を維持できます。

対象ユーザー

バッテリーマネジメントシステム (BMS)、エネルギー貯蔵、およびリチウムイオン電池の健康状態予測に取り組む研究者やエンジニア。

特徴

• SOHモデリングの安定性を向上させるPhysics-Informed Neural Network (PINN) を使用。
• XJTUバッテリーデータセットを用いたデモを含む。
• 標準的なMLPおよびCNNアーキテクチャとの比較を評価するスクリプトを提供。
• XJTU、TJU、HUST、MITを含む複数のバッテリー・データセットをサポート。