wang-fujin/PINN4SOH

해결하는 문제

이 프로젝트는 리튬이온 배터리의 열화에 대한 안정적인 모델링과 예측을 제공하며, 특히 State of Health (SOH) 추정에 초점을 맞춥니다. 배터리 건강 예측을 위한 표준 회귀 모델에서 흔히 나타나는 변동성과 불안정성을 극복하는 것을 목표로 합니다.

작동 방식

이 프로젝트는 물리 법칙과 배터리 열화 물리 법칙을 신경망 아키텍처에 통합하는 Physics-Informed Neural Network (PINN)을 구현합니다. 이 접근 방식은 기존의 Multi-Layer Perceptrons (MLP) 또는 Convolutional Neural Networks (CNN)과 비교하여 배터리 열화 예측 시 안정성과 정확성을 유지할 수 있게 해줍니다.

대상 사용자

배터리 관리 시스템 (BMS), 에너지 저장, 리튬이온 배터리 건강 예측에 종사하는 연구자 및 엔지니어.

주요 특징

• SOH 모델링의 안정성을 향상시키기 위해 Physics-Informed Neural Network (PINN)을 사용.
• XJTU 배터리 데이터셋을 활용한 데모 포함.
• 표준 MLP 및 CNN 아키텍처와의 비교를 평가할 수 있는 스크립트 제공.
• XJTU, TJU, HUST, MIT를 포함한 여러 배터리 데이터셋 지원.