基于物理信息的机器学习在电池组热管理中的应用

本研究解决了电池热管理系统开发过程中面临的高时间成本和数据需求问题。采用物理信息的卷积神经网络作为代理模型，利用物理规律指导模型训练，从而有效估算电池组的温度分布。研究结果表明，该方法的准确性比传统数据驱动方法提高了15%以上，显著提升了电池安全性和性能。