公开(公告)号：CN115438588A

公开(公告)日：2022-12-06

申请号：CN202211198217.9

申请日：2022-09-29

Applicant: 中南大学

Inventor： 王冰川 ,  吉振东 ,  王勇 ,  邓海鹏

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F17/13 ,  G06F119/08

Abstract: 本发明公开了一种锂电池的温度预测方法、系统、设备及存储介质，本方法可以根据实际情况选取少量真实温度数据或者不需要使用真实温度数据以及不需要计算数据损失函数，主要利用热方程损失函数所携带的物理信息或者利用热方程损失函数所携带的物理信息结合少量真实温度数据对神经网络模型进行训练。相比数值计算方法和数据驱动方法，本方法不仅在预测准确度上能够达到更优的效果，而且能够使训练成本进一步下降，学习到的解是来自实际物理约束，且不需要进行方程离散化和网格化，可迁移性好，运行速度快，更容易进行目标温度方程的修改。

公开(公告)号：CN115438588B

公开(公告)日：2023-05-09

申请号：CN202211198217.9

申请日：2022-09-29

Applicant: 中南大学

Inventor： 王冰川 ,  吉振东 ,  王勇 ,  邓海鹏

IPC: G06F30/27 ,  G06N3/048 ,  G06N3/084 ,  G06F17/13 ,  G06F119/08

Abstract: 本发明公开了一种锂电池的温度预测方法、系统、设备及存储介质，本方法可以根据实际情况选取少量真实温度数据或者不需要使用真实温度数据以及不需要计算数据损失函数，主要利用热方程损失函数所携带的物理信息或者利用热方程损失函数所携带的物理信息结合少量真实温度数据对神经网络模型进行训练。相比数值计算方法和数据驱动方法，本方法不仅在预测准确度上能够达到更优的效果，而且能够使训练成本进一步下降，学习到的解是来自实际物理约束，且不需要进行方程离散化和网格化，可迁移性好，运行速度快，更容易进行目标温度方程的修改。

公开(公告)号：CN115470742B

公开(公告)日：2023-03-14

申请号：CN202211342111.1

申请日：2022-10-31

Applicant: 中南大学

Inventor： 王冰川 ,  戴聪玲 ,  王勇 ,  吉振东

IPC: G06F30/367 ,  G06F17/13 ,  G06N3/0464 ,  G06N3/08 ,  G06F111/08

Abstract: 本发明公开了一种锂离子电池建模方法、系统、设备及存储介质，本方法根据电荷守恒定律和欧姆定律，获得锂离子电池的偏微分方程，并根据偏微分方程，定义边界条件和初始条件；基于物理信息神经网络，构建网络预测模型；构建第一损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第一训练；构建第二损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第二训练；构建第三损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第三训练；通过完成三次训练的网络预测模型预测锂离子电池的参数。本发明能够提高网络预测模型的预测精度。

公开(公告)号：CN115470742A

公开(公告)日：2022-12-13

申请号：CN202211342111.1

申请日：2022-10-31

Applicant: 中南大学

Inventor： 王冰川 ,  戴聪玲 ,  王勇 ,  吉振东

IPC: G06F30/367 ,  G06F17/13 ,  G06N3/04 ,  G06N3/08 ,  G06F111/08

Abstract: 本发明公开了一种锂离子电池建模方法、系统、设备及存储介质，本方法根据电荷守恒定律和欧姆定律，获得锂离子电池的偏微分方程，并根据偏微分方程，定义边界条件和初始条件；基于物理信息神经网络，构建网络预测模型；构建第一损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第一训练；构建第二损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第二训练；构建第三损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第三训练；通过完成三次训练的网络预测模型预测锂离子电池的参数。本发明能够提高网络预测模型的预测精度。