Skip to content

About

Global parameter sensitivity analysis (Morris and Sobol) for a PyBaMM P2D/DFN battery model, physics-based simulation, no deep learning

Topics

Resources

Stars

1 star

Watchers

0 watching

Forks

Repository files navigation

基于 PyBaMM 的 P2D 模型全局参数敏感性分析平台

Python CI Coverage License: MIT PyBaMM No Deep Learning

Global Parameter Sensitivity Analysis for a PyBaMM P2D (DFN) model — physics-based simulation & statistics, no deep learning.

对 Doyle-Fuller-Newman(P2D/DFN)电化学模型进行**全局参数敏感性分析(GSA)**的 可复现平台。纯物理仿真 + 统计,零深度学习、零模型训练。采用两阶段策略:

  1. Morris 筛选:以基本效应(elementary effects)的 μ*、σ 快速识别重要参数;
  2. Sobol 方差分解:基于 Saltelli 抽样计算一阶 S1 与总效应 ST,含 bootstrap 95% 置信区间、收敛性检查,并给出不敏感参数白名单。

核心结果

  • 共执行 21468 次仿真,成功 21380,失败率 0.41%(阈值 <5%),全部指标含 bootstrap 95% 置信区间。
  • 1C 放电容量由电极几何与活性材料分数主导(electrode_height ST=0.34)。
  • 2C 快充温升由环境温度绝对主导(ambient_t ST=0.96)。
  • 负极表面电位(析锂指示)由负极初始浓度绝对主导(c0_neg ST=0.91)。
  • 全局不敏感参数白名单 17 个(ST<5%)。
  • 交互效应量化(ST−S1):冷充析锂为强耦合过程,c0_neg 交互量 0.29、 electrode_height 交互占比 85%;快充温升几乎为纯主效应(ambient_t 交互占比 1%)。
  • 方法交叉验证:Morris μ* 与 Sobol ST 秩高度一致,s1/s3 Spearman 分别为 0.96/0.91, 强非线性 2C 工况(s2)两方法分歧更大(0.71);跨工况共识重要参数为 ambient_t、 c0_neg、electrode_height。
  • 完整成对二阶 S2:独立二阶 Saltelli 设计(calc_second_order=true,6400×24,三工况 共 19200 次仿真,失败率 0.08%–0.66%)。1C 放电容量最强交互为 electrode_height× c0_neg(S2=0.25);冷充析锂为 neg_thickness×c0_neg(0.16);2C 温升所有成对 S2 均 <0.03,印证 ambient_t 近乎纯主效应。

模型与参数

  • 模型:pybamm.lithium_ion.DFN,thermal="lumped" 集总热;
  • 参数集:Chen2020(锂离子圆柱电芯);
  • 参数空间:24 个跨域标量参数(几何/孔隙/输运/动力学/热/初始浓度),统一乘法 扰动 ±20%,其中负极初始浓度受最大浓度约束单独收窄上界。

3 个基准工况

工况 实验 输出指标
s1 1C 放电至 2.5V 放电容量、截止时间
s2 2C 快充 2400s 最高温度
s3 0.5C 充电 1800s 负极表面电位最小值(析锂指示)

目录

.
├── run_gsa.py              # 薄包装入口
├── configs/gsa_config.yaml
├── src/p2d_gsa/
│   ├── cli.py              # 包内统一入口(console 命令 p2d-gsa)
│   ├── config.py           # 多来源配置解析
│   ├── pipeline.py         # 全量分析编排
│   ├── parameters.py       # 24 参数空间与逐参数范围
│   ├── model.py            # DFN+热,单次仿真
│   ├── sampling.py         # Morris/Saltelli 抽样
│   ├── runner.py           # 并行 + 断点续跑 + 失败处理
│   ├── analysis.py         # S1/ST、bootstrap CI、收敛、白名单
│   ├── interactions.py     # ST−S1 交互量化与参数效应图谱
│   ├── cross_validation.py # Morris/Sobol 交叉验证与参数共识图谱
│   ├── second_order.py     # 完整成对二阶 S2 分析
│   └── plotting.py         # 报告配图
├── scripts/
└── results/                # 样本、CSV、figures、日志

安装与使用

# 作为包安装(提供 console 命令 p2d-gsa)
python -m pip install .
# 开发模式(含测试/ruff 等开发依赖)
python -m pip install -e ".[dev]"

# 以下命令用 p2d-gsa 或 python run_gsa.py 等价
p2d-gsa sample                 # 生成设计
p2d-gsa run                    # 跑仿真(断点续跑,可中断重跑)
p2d-gsa run --method morris    # 只跑 Morris
p2d-gsa analyze                # 分析、出图、白名单
p2d-gsa all                    # 一键全流程

# 交互效应量化(ST−S1,无需新仿真)
python scripts/run_interaction_analysis.py

# Morris/Sobol 交叉验证 + 参数共识图谱(fig13/14)
python scripts/run_cross_validation.py

# 完整成对二阶 S2:独立设计仿真(断点续跑)后分析(fig15/16)
python scripts/run_s2_simulation.py
python scripts/run_s2_analysis.py

验收口径

  • 有效仿真样本 ≥5000(目标 10000),失败率 <5%;
  • S1/ST 均含 bootstrap 95% 置信区间;
  • 提供递增样本量的收敛检查;
  • 白名单阈值 ST<5%;
  • 所有阈值/规模集中在 config,禁止硬编码。

报告

完整方法、参数空间、21468 次仿真结果、参数图谱、白名单与复现指南见 reports/P2D全局参数敏感性分析平台报告-v1.0.md。

License

MIT

About

Global parameter sensitivity analysis (Morris and Sobol) for a PyBaMM P2D/DFN battery model, physics-based simulation, no deep learning

Topics

Resources

Stars

1 star

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages