汽车工业、电力工业、材料科学、无机化工、有机化工、环境科学与资源利用、工业通用技术、自动化技术、冶金技术、金属学及金属工艺、物理学、安全科学与灾害防治、航空航天科学与工程、计算机软件及应用等领域的科研人员、工程师、及相关行业从业者、跨领域研究人员。
燃料电池专题
1、课程主要讲解燃料电池仿真应用，以燃料电池仿真、多孔电极模型、尘气输运模型、纽扣电池模型、连接体模型、直接碳燃料电池模型（传质-导电-电化学-热多场耦合）以及应力分析为例，带大家掌握COMSOL仿真从简到真的燃料电池建模方法。
2、采用“理论+实操”的讲授模式，通过多个模块场景案例的应用讲解，借助 COMSOL在理想或多物理场环境下建模、分析、评估、预测燃料电池、锂离子电池、固态电池锂金属、电解加工、电化学加工等行业中涉及器件的性能的方法，使设计满足当前和未来发展。
智能化电池管理专题
1、综合性：课程覆盖了电池管理技术的多个方面，包括电池的工作原理、关键性能指标及评估、电池热失控预警、异常检测、以及充电策略优化等。数据驱动角度强调了数据集的重要性，并在多个应用中展示了如何利用数据集来训练和验证模型。算法框架上详细阐述了不同应用场景下的算法框架，帮助学员构建清晰的技术实现路径。结果验证上在多个章节中提到了结果的估计和泛化性验证，确保学员能够理解模型的准确性和适用性。
2、技术深度和实际应用：深入探讨人工智能和机器学习在电池管理中的应用，如SOC（荷电状态）估计、SOH（健康状态）估计、寿命预测等，并提供多个应用案例，如基于迁移学习的SOC估计、基于模型误差谱的SOH估计方法等，有助于学员理解理论与实践的结合。
3、方法论：介绍了多种人工智能在电池管理中的具体应用方法，如基于数据-物理融合模型的荷电状态估计、基于深度学习的电池Q-V曲线预测等。
4、技术前沿：涵盖了当前人工智能在电池管理领域的最新研究成果，如基于转移注意力机制的电池剩余寿命预测方法。
燃料电池讲师
来自国内重点大学，能源与动力学院新能源系博士、副教授，硕士生导师讲授。授课讲师有着丰富的COMSOL使用经验，近些年以第一作者在国内外期刊发表论文数十篇，发表专利数项。
擅长领域：燃料电池、锂离子电池、储能材料、电化学等模拟与设计、阴极保护模拟、电池集流设计等。
智能化电池管理讲师
由国家“双一流”建设高校、“985工程”和“211工程”重点高校副教授/博导及其团队成员讲授，长期从事动力电池系统安全管理研究的理论和关键技术开发。在《eTransportation》、《Applied Energy》、《Energy》等JCR一区SCI期刊发表论文50余篇，其中十余篇先后入选“ESI全球高被引论文”。担任储能科学与技术、机械工程学报、电气工程学报等期刊青年编委，担任40余个SCI期刊的审稿人专家。
COMSOL燃料电池仿真技术与应用
课程名称 | 课程内容 |
COMSOL 仿真基础 | 1、COMSOL软件基本操作 1.1 创建模型一般步骤 1.2 几何创建方法 1.3 网格划分技巧 1.4 方程及边界设置 2、后处理 2.1 数据集创建 2.2 衍生量的计算 2.3 结果图的绘制 实例操作：肋片散热模型，化整为零式网格划分模型 |
COMSOL 燃料电池仿真技术详解 | 3、燃料电池仿真 3.1 燃料电池开路电压计算 3.2燃料电池三种极化损失 4、多孔电极有效扩散系数构建 4.1多孔电极构建方法 4.2曲率与孔隙率关系 4.3尘气模型实现方法 4.4简化的多组分气体传输 实例操作：多孔电极模型、尘气输运模型、混合气体平均模型 5、从简到真的建模方法 5.1只考虑气体输运 5.2 添加导电过程 5.3 添加电化学过程 5.4 添加退化过程 5.5与实验VI曲线的对比验证 实例操作：纽扣电池模型、退化模型、模型验证 6、连接体研究分析 6.1燃料电池活化设置方法 6.2传质-导电-电化学多场耦合方法 6.3传热-传质-动量-导电-电化学多场耦合 6.4连接体优化与设计 实例操作：连接体优化模型、新型连接体模型 7、积碳研究 7.1 燃料电池边界设置 7.2 传质-导电-电化学多场耦合方法 7.3 甲烷内重整反应设置 7.4 甲醇内重整反应设置 7.5积碳分析 实例操作：甲烷积碳模型 8、应力分析 8.1力学边界设置 8.2损伤几率求解 9.3残余应力分析 8.4热应力分析 实例操作：微管应力模型 9、CO2电还原 9.1 均相反应设置 9.2传质-导电-电化学多场耦合方法 9.3 模型验证 9.4 性能分析 实例操作：CO2电还原模型 |
机器学习驱动的智能化电池管理技术与应用
目录 | 主要内容 |
电池管理技术概述 | 1. 电池的工作原理与关键性能指标 2. 电池管理系统的核心功能 Ø SOC估计 Ø SOH估计 Ø 寿命预测 Ø 故障诊断 |
人工智能机器学习 基础 | 1. 人工智能的发展 2. 机器学习的关键概念 3. 机器学习在电池管理中的应用案例介绍 |
人工智能在电池荷电状态估计中的应用 | 1. 荷电状态估计方法概述 2. 基于迁移学习的SOC估计 (1) 基于迁移学习的SOC估计方法 数据集、估计框架、估计结果 (2) 全生命周期下的SOC估计方法 数据集、估计框架、估计结果 3. 基于数据-物理融合模型的荷电状态估计 (1) 基于融合模型和融合算法的SOC估计方法 数据集、估计框架、估计结果 (2) 全生命周期下的SOC融合估计方法 数据集、估计框架、估计结果 4. 实例讲解-基于迁移学习的SOC估计方法 |
人工智能在电池健康状态估计中的应用 | 1. 健康状态估计方法概述 2. 片段恒流工况下的SOH估计方法 数据集、估计框架、估计结果、泛化性验证 3. 动态工况下基于模型误差谱的SOH估计方法 数据集、估计框架、估计结果 4. 动态工况下基于老化特征提取的SOH估计方法 数据集、估计框架、估计结果、泛化性验证 5. 多阶充电工况下的实车电池系统SOH估计方法 数据集、估计框架、估计结果 6. 电池组内单体SOH快速估计方法 数据集、估计框架、估计结果 7. 实例讲解-片段恒流工况下的SOH估计方法 8. 实例讲解-基于模型误差谱的SOH估计方法 |
人工智能在电池寿命预测和衰后性能预测中的应用 | 1. 寿命预测和衰后行为预测方法概述 2. 基于转移注意力机制的电池剩余寿命预测方法 数据集、估计框架、估计结果 3. 基于深度学习的电池Q-V曲线预测方法 数据集、估计框架、估计结果 4. 基于轻量化机器学习的电池Q-V曲线预测方法 数据集、估计框架、估计结果 5. 实例讲解-基于深度学习的寿命预测方法 |
人工智能在电池热失控预警中的应用 | 1. 电池热失控预警方法概述 2. 数据集介绍 3. LOA算法的电池系统周级别热失控预警方法 Ø 算法框架 Ø 结果 4. 基于多模态特征的周级别热失控预警方法 Ø 算法框架 Ø 结果 5. 基于机器学习的电池异常检测、定位和分类方法 Ø 算法框架 Ø 结果 6. 实例讲解-基于机器学习的电池异常检测和热失控预警方法 |
人工智能在其他电池管理中的应用 | 1. 人工智能在解决电池系统有限物理传感中的应用 Ø 数据集 Ø 算法框架 2. 人工智能在充电策略优化中的应用 Ø 数据集 Ø 算法框架 Ø 结果 |
时间地点
COMSOL燃料电池仿真技术与应用
2024年12月21日-12月23日
在线直播（授课三天）
机器学习驱动的智能化电池管理技术与应用
2024年12月28日-12月29日
2025年01月03日-01月05日
在线直播（授课五天）
报名费用
课程名称 | 价格（元） | |
3700 | ||
机器学习驱动的智能化电池管理技术与应用 | 4900 | |
优惠：
2024年11月15日前报名缴费可享受200元早鸟价优惠；
参加过我单位举办的其它课程的老学员，可享受额外300元优惠；
【注】费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；北京中科万维智能科技有限公司作为本次会议会务合作单位，负责注册费用收取和开具发票，可开具会议费发票和发送会议邀请函；
增值服务
1、凡报名学员将获得本次培训电子课件及案例模型文件；
2、培训结束可获得本次所学专题课程全部无限次回放视频；
3、参加培训并通过试的学员，可以获得：主办方北京软研国际信息技术研究院培训中心颁发的专业技能结业证书；
联系方式
