Scidown文献预览系统！
基于物理和最新的人工神经网络模型的锂离子电池能效预测( Lithium-Ion Batteries Energy Efficiency Prediction Using Physics-Based and State-of-the- Art Artificial Neural Network- Based Models )
arash nazari Soheil Kavian
新一代锂离子电池(LIBs)具有较高的能量密度，其安全性受到了越来越多的关注。与LIB安全相关的主要问题之一是LIB中的热量产生和热失控。许多研究都反映了描述LIBs热产生的重要性。LIBs中的热量产生也与能源效率有关。本文采用两种不同的方法（基于物理和基于机器学习的方法）对LIB中的热量产生进行了预测。本文采用基于多物理和神经网络的模型，对磷酸铁锂/石墨(LFP/G)、锂锰氧化物/石墨（LMO/G）和锂钴氧化物/石墨（LCO/G）三种电极的商用锂电池进行了预测，以确定锂电池的能效等值线，说明了额定容量作为锂电池制造过程中的一个关键参数的影响。所开发的等高线可以为能源系统设计者提供一个全面的视图，当他们需要将LIBs集成到他们的设备中时，他们可以准确地了解LIBs的效率。此外，还得到了温度对LFP/Graphite LIBs充放电能效的影响，并比较了市场上三种典型LIBs在极低温度下的性能，这三种LIBs具有广泛的应用领域，从电动汽车(EV)等消费类应用到Unin-Terruperable Every Source（Unin-Terruperable Every Source）等工业应用。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown “它打开了一个全新的宇宙”:革命性的显微镜技术首次看到了单个原子下载
scidown 萨班斯-奥克斯利法案之后董事会联锁网络的演变下载
scidown 萨班斯-奥克斯利法案之后董事会联锁网络的演变下载