【技术实现步骤摘要】
基于梯度优化多物理信息神经网络的电池热失控预测方法
[0001]本申请属于电池
，涉及电池安全管理技术，具体地，提供一种基于梯度优化多物理信息神经网络的电池热失控预测方法。
技术介绍
[0002]锂离子电池(Lithium
‑
Ion Battery, LIB)由于具有高能量密度、长持续时间和快速充电速率等特点，目前在电动汽车、电动船舶等新能源交通工具所使用的电池方案中具有一定优势，在锂离子电池的使用过程中，其存在的安全问题不可忽视。锂离子电池的主要安全问题是热失控，这是指锂离子电池中的不可逆状态，其中由于初始阶段的内部短路，局部电池温度升高并导致燃烧，直到LIB组分的内部反应物种被燃烧甚至导致锂离子电池的爆炸。对锂离子电池热失控的实时预测以及各种操作条件下热失控现象的估计是一个活跃的研究领域，因为它不仅能够预测热失控，而且还提供了关于锂离子电池结构的优化设计的信息（例如，对表面与体积比进行优化设计）。
[0003]目前已有的对锂离子电池热失控过程进行预测的实施方式主要有两种：一种使用有限元法(...
【技术保护点】
【技术特征摘要】
1.一种基于梯度优化多物理信息神经网络的电池热失控预测方法，用于预测锂离子电池的热失控过程，其特征在于，包括以下步骤：建立锂离子电池热失控的多参数耦合模型；构造多物理信息神经网络，其中，所述多物理信息神经网络的输入为时间、环境温度及锂离子电池的至少两个空间分布变量、，输出为锂离子电池的温度及其所含的锂离子的无量纲浓度，损失函数基于所述多参数耦合模型确定；使用训练数据对所述多物理信息神经网络进行训练，其中，在训练过程中基于所述多参数耦合模型对所述多物理信息神经网络的反向传播梯度进行优化；使用经过训练的所述多物理信息神经网络预测锂离子电池的热失控过程。2.根据权利要求1所述的基于梯度优化多物理信息神经网络的电池热失控预测方法，其特征在于：所述多参数耦合模型包括描述锂离子电池热失控过程中热力学反应的第一方程组，以及描述锂离子电池热失控过程中多种介质化学降解反应的第二方程组；所述第一方程组与所述第二方程组通过体积热产生率互相耦合。3.根据权利要求2所述的基于梯度优化多物理信息神经网络的电池热失控预测方法，其特征在于，所述第一方程组具体为：，其中，、、为分别为锂离子电池的密度、热容及导热系数，为锂离子电池的电解质中锂离子的温度，其是锂离子的分布空间及时间的函数，为的计算域，为计算时间上限，为对流传热系数，、、、、、分别为反应焓、单位体积的比活性物质含量、反应指前因子、活化能、摩尔气体常数和反应级数，、分别为温度及无量纲浓度的初始值；所述第二方程组具体为：，其中，、分别为正极及电解质分解导致的体积热产生率，、、分别为正
极分解反应的频率因子、反应系数和热活化能，、分别为、的反应级数，、、、分别为电解液分解反应的频率...
【专利技术属性】
技术研发人员：张艳辉，李卫华，
申请(专利权)人：威海谱跃光电科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。