Surrogate Model Training of a Battery Rate Capability Model
Application ID: 119181
This app demonstrates the usage of a surrogate model function for predicting the rate capability of an NMC111/graphite battery cell. The rate capability is shown in a Ragone plot. The surrogate function, a Deep Neural Network, has been fitted to a subset of the possible input data values. Three input data values can be set: the thickness of the negative electrode, the active material volume fraction of the negative electrode, and the active material volume fraction of the positive electrode. The low computational cost of evaluating the surrogate function allows sliders to be used to interactively adjust the input values and predict the Ragone plot for any combination of input values. Once a promising combination of values has been identified, the actual physical Li-ion battery model can be computed for those input values, to verify the predictions of the surrogate model. In addition, the then computed physical data can be used to further improve the surrogate model.
Dieses Beispiel veranschaulicht Anwendungen diesen Typs, die mit den folgenden Produkten erstellt wurden:
Allerdings können zusätzliche Produkte erforderlich sein, um es vollständig zu definieren und zu modellieren. Weiterhin kann dieses Beispiel auch mit Komponenten aus den folgenden Produktkombinationen definiert und modelliert werden:
Die Kombination von COMSOL® Produkten, die für die Modellierung Ihrer Anwendung erforderlich ist, hängt von verschiedenen Faktoren ab und kann Randbedingungen, Materialeigenschaften, Physik-Interfaces und Bauteilbibliotheken umfassen. Bestimmte Funktionen können von mehreren Produkten gemeinsam genutzt werden. Um die richtige Produktkombination für Ihre Modellierungsanforderungen zu ermitteln, lesen Sie die Spezifikationstabelle und nutzen Sie eine kostenlose Evaluierungslizenz. Die COMSOL Vertriebs- und Support-Teams stehen Ihnen für alle Fragen zur Verfügung, die Sie diesbezüglich haben.