Python 电池优化和参数化 (PyBOP) 包提供了估算和优化电池模型参数的方法,提供确定性和随机性方法以及示例工作流程来帮助用户。PyBOP 支持从各种电池模型的数据中识别参数,包括流行的开源 PyBaMM 包 (Sulzer et al., 2021) 提供的电化学和等效电路模型。使用相同的方法,PyBOP 还可用于在用户定义的操作条件下针对各种模型结构和设计目标进行设计优化。PyBOP 通过多种方法促进优化,并通过诊断来检查优化器的性能以及成本和相应参数的收敛。识别出的参数可用于预测、在线估计和控制以及设计优化,从而加速电池的研究和开发。
方案1:(a)Aptes,Phme,50°C,20 h(b)pybop,dipea,2,dmf,r.t.,18 h; (c)哌啶/DMF(1:3),R.T.,30分钟,然后DCM/TFA(2:1); (d)丙烯酸甲酯,etoH,40°C,5 h; (E)乙二胺,EtOH,45°C,5 h; (f)丙烯酸甲酯,etoH,40°C,5 h; (g)乙二胺,etoH,45°C,5 h(5b); (H)丙烯酸甲酯,EtOH,40°C,24 h; (i)NH 2 -PEG,ETOH,40°C,48 H方案1:(a)Aptes,Phme,50°C,20 h(b)pybop,dipea,2,dmf,r.t.,18 h; (c)哌啶/DMF(1:3),R.T.,30分钟,然后DCM/TFA(2:1); (d)丙烯酸甲酯,etoH,40°C,5 h; (E)乙二胺,EtOH,45°C,5 h; (f)丙烯酸甲酯,etoH,40°C,5 h; (g)乙二胺,etoH,45°C,5 h(5b); (H)丙烯酸甲酯,EtOH,40°C,24 h; (i)NH 2 -PEG,ETOH,40°C,48 H