ポーチセル温度推定のための物理インフォームド機械学習
arXiv cs.LG / 2026/4/17
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この研究は、輸送用電動化におけるバッテリー熱マネジメント最適化に重要な、間接液冷下でのポーチセル温度を高精度に推定することを目的としています。
- 支配的な熱伝達方程式をニューラルネットワークの損失関数に組み込む、物理インフォームド機械学習（PIML）フレームワークを提案しています。
- データ駆動のみのモデルと比べて、PIMLはより速く収束し、精度も大幅に向上し、平均二乗誤差を49.1%削減する結果が得られています。
- 複数の冷却チャネル形状での評価と独立したテストケースでの検証により、特に冷却チャネルから離れた領域で優れた性能と汎化が確認されています。
- 本手法は、バッテリーシステムにおけるサロゲートモデリングや設計最適化を効率化できる可能性があると示唆されています。
