近日，课题组研究生宋子诚同学在基于多物理场模拟与深度学习的锂离子电池温度预测研究取得进展，相关成果以《Temperature prediction of lithium-ion batteries based on multiphysics modeling and artificial neural networks》为题，在国际能源领域权威期刊《Journal of Energy Storage》上发表。论文第一/通讯作者为指导教师周文宁教授，第二作者为硕士生宋子诚同学，合作研究者为方娟副教授、刘训良教授和英国诺丁汉大学Yuying Yan（阎玉英）教授。

该研究针对锂离子电池热管理系统中温度高精度、实时预测的难题，结合多物理场仿真与深度学习方法，基于COMSOL Multiphysics平台构建了21700型圆柱锂离子电池的多物理场耦合模型，聚焦存在更强非线性和热安全性更敏感的充电过程开展模拟，分析了不同环境温度、充电倍率及换热系数对电池温度的影响。基于多物理场模拟获得的数据集，进一步建立了反向传播神经网络（BP-NN）、一维卷积神经网络（1D CNN）、长短期记忆网络（LSTM）及CNN-LSTM四种深度学习模型，对比其对电池温度预测的精度和泛化能力，详细分析了构建的深度学习模型对电池温度的综合预测性能。

  图1 基于多物理场模拟与深度学习的锂离子电池温度预测研究

文章链接：https://doi.org/10.1016/j.est.2026.123679