wang-fujin/PINN4SOH

解决的问题

本项目提供了一种用于锂离子电池退化稳定建模和预测的方法，特别聚焦于健康状态（SOH）估计。旨在克服电池健康预测中标准回归模型常见的波动性和不稳定性。

工作原理

该项目实现了物理信息神经网络（PINN），将物理定律和电池退化物理规律融入神经网络架构中。与传统的多层感知机（MLP）或卷积神经网络（CNN）相比，该方法在预测电池退化时能保持更高的稳定性和准确性。

适用对象

从事电池管理系统（BMS）、储能以及锂离子电池健康预测的研究人员和工程师。

主要亮点

• 使用物理信息神经网络（PINN）提升SOH建模的稳定性。
• 包含使用XJTU电池数据集的演示。
• 提供对比脚本，用于评估模型与标准MLP和CNN架构的性能。
• 支持多种电池数据集，包括XJTU、TJU、HUST和MIT。