一种基于孔隙网络模型预测电池直流内阻的方法

本发明公开了一种基于孔隙网络模型预测电池直流内阻的方法，包括以下步骤：步骤S1，构建锰酸锂电池孔隙网络模型；步骤S2，在孔隙网络模型的基础上选取JEVS法测试内阻；步骤S3，通过高斯过程回归机器学习进行由结构到直流内阻的预测；步骤S4，采用Shapley值来解释机器学习的结果，获取电极结构参数，包括电极厚度、孔隙度和平均粒径；步骤S5，采用基于遗传算法的符号回归机器学习推导出从电极结构参数预测直流内阻的公式。本发明基于孔隙网络模型并结合机器学习预测电池直流内阻的方法，为电极结构与DCR定量关系的计算提供有力支撑，从而锰酸锂电池正极结构设计。