wang-fujin/PINN4SOH

解決的問題

本專案提供一種用於鋰離子電池退化穩定建模與預測的方法，特別聚焦於健康狀態（SOH）估計。旨在克服電池健康預測中常見的標準回歸模型波動性與不穩定性。

工作原理

本專案實作物理資訊神經網路（PINN），將物理定律與電池退化物理規律整合至神經網路架構中。此方法相比傳統的多層感知機（MLP）或卷積神經網路（CNN），在預測電池退化時能維持更高的穩定性與準確性。

適用對象

從事電池管理系統（BMS）、能源儲存以及鋰離子電池健康預測的研究人員與工程師。

主要亮點

• 使用物理資訊神經網路（PINN）提升SOH建模的穩定性。
• 包含使用XJTU電池資料集的示範。
• 提供對比腳本，用於評估模型與標準MLP和CNN架構的表現。
• 支援多種電池資料集，包括XJTU、TJU、HUST與MIT。