PINN surrogate of Li-ion battery models for parameter inference. Part II: Regularization and application of the pseudo-2D model

要約

ベイジアン パラメーター推論は、リチウムイオン電池の診断を改善するのに役立ち、電池の​​経年劣化モデルを定式化するのに役立ちます。
ただし、これは計算量が多く、複数のサイクル、複数の動作条件、または複数の複製セルに対して簡単に繰り返すことはできません。
ベイジアン キャリブレーションの計算コストを削減するために、物理ベースのモデルの数値ソルバーをより高速なサロゲートに置き換えることができます。
物理情報に基づくニューラル ネットワーク (PINN) は、擬似 2D (P2D) バッテリー モデルのキャリブレーションの代替として開発されています。
P2D サロゲートの場合、パート I で開発した PINN 単一粒子モデル (SPM) と比較して、追加のトレーニング正則化が必要でした。PINN SPM と P2D サロゲート モデルの両方がパラメーター推論のために実行され、直接数値解から得られたデータと比較されます。
支配方程式の。
パラメーター推論の研究により、これらの PINN を使用してカソードの Li 拡散とアノードの交換電流密度のスケーリング パラメーターを校正できることが明らかになりました。
標準の統合手法を使用した場合と比較して、P2D モデルの計算速度が 2250 倍向上することを実現することで、PINN サロゲートにより迅速な健康状態診断が可能になります。
データの可用性が低いシナリオでは、テスト誤差は SPM サロゲートで 2mV、P2D サロゲートで 10mV と推定されましたが、追加データで軽減できます。

要約(オリジナル)

Bayesian parameter inference is useful to improve Li-ion battery diagnostics and can help formulate battery aging models. However, it is computationally intensive and cannot be easily repeated for multiple cycles, multiple operating conditions, or multiple replicate cells. To reduce the computational cost of Bayesian calibration, numerical solvers for physics-based models can be replaced with faster surrogates. A physics-informed neural network (PINN) is developed as a surrogate for the pseudo-2D (P2D) battery model calibration. For the P2D surrogate, additional training regularization was needed as compared to the PINN single-particle model (SPM) developed in Part I. Both the PINN SPM and P2D surrogate models are exercised for parameter inference and compared to data obtained from a direct numerical solution of the governing equations. A parameter inference study highlights the ability to use these PINNs to calibrate scaling parameters for the cathode Li diffusion and the anode exchange current density. By realizing computational speed-ups of 2250x for the P2D model, as compared to using standard integrating methods, the PINN surrogates enable rapid state-of-health diagnostics. In the low-data availability scenario, the testing error was estimated to 2mV for the SPM surrogate and 10mV for the P2D surrogate which could be mitigated with additional data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google