机构名称：
¥ 1.0
摘要锂离子电池技术的广泛应用面临着固有的热逃亡风险和随之而来的火灾传播的重大挑战。本文提出了一个智能的框架，用于预测电池组中电池组中温度分布和热失控的繁殖，包括各种电池类型，环境温度和火灾释放速度。首先，我们生成了一个广泛的数值数据库，包括36个模拟电池喷射火焰和通过实验数据验证的热失控过程。随后，采用双重代理人工智能（AI）模型来预测电池组中温度场的细胞热失控传播和温度场的演变。结果证明了深度学习方法在捕获蝙蝠热失控动力学方面的准确性和可靠性。量化，基于AI的方法在具有数据库含量的场景中的热失去时间预测的相对误差低于10％，而外推病例的相对误差则低于30％。该模型在预测温度场分布方面还显示出卓越的性能，r⊃2值超过0.99，最大MSE为1.52s⊃2。这项研究低估了AI方法改善电池安全管理的潜力，从而促进了及时的干预措施，预防性维护和电池储能系统的消防安全性。
电池组中的热失控和火焰传播
主要关键词
相关文件推荐
