Pular para o conteúdo
Skillpedia
Diversos51 mil · #1944

pybamm

Faz seu agente simular o funcionamento de baterias de lítio. É útil para entender como as baterias se comportam durante o uso e para testar diferentes condições.

O que ela faz

Esta ferramenta simula como uma bateria de íon-lítio se comporta durante o carregamento, descarregamento e descanso. Ela pode comparar os resultados da simulação com dados reais de bateria.

Quando usar

  • ✓Para simular o carregamento e descarregamento de uma bateria.
  • ✓Para ver como a voltagem da bateria muda com o tempo.
  • ✓Para comparar simulações com dados de testes reais de bateria.

Exemplo do que pedir para a IA

“Simule o carregamento e descarregamento de uma bateria de íon-lítio usando o modelo SPM com capacidade nominal de 5Ah, começando com 80% de carga, carregando e descarregando a 0.5C por 600 segundos cada, com um descanso de 120 segundos entre eles.”

Quer saber mais? Abra as seções abaixo.

Como usar

O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.

Link da skill

https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/pybamm/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/pybamm/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

Você fornece informações sobre a bateria e como ela deve ser usada (protocolo). A ferramenta usa um programa chamado PyBaMM para rodar a simulação e gerar resultados, que podem ser comparados com dados reais se você os fornecer.

Instalação

Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.

No terminal (Claude Code, Codex, Cursor), na pasta do projeto:

npx skills add K-Dense-AI/scientific-agent-skills --skill pybamm

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/pybamm/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

Experimentos de bateria PyBaMM

Quando usar

Use esta funcionalidade para modelar carga/descarga e repouso de célula única a corrente constante, examinar trajetórias de tensão e carga, ou comparar previsões SPM/DFN com medições de ciclagem. O helper executa experimentos PyBaMM reais e três resoluções numéricas; ele não controla um ciclador de bateria nem estabelece um envelope operacional para hardware.

Tempo de execução e caso testado

uv venv --python 3.12 battery-env
uv pip install --python battery-env/bin/python pybamm==26.9.0.0 pybammsolvers==0.10.0

Esta versão requer pybammsolvers>=0.10.0, NumPy 2 ou mais recente, e CasADi 3.8.1. O ambiente testado usou Python 3.12.10, NumPy 2.5.3 e SciPy 1.18.1. IDAKLU é o solucionador recomendado; CasadiSolver e ScipySolver foram descontinuados nesta versão. Consulte o manual 26.9.0.0 abaixo, pois latest pode descrever APIs não lançadas.

O arquivo assets/chen2020-protocol.json incluído é um caso SPM sintético isotérmico a 298,15 K: SOC inicial de 80%, descarga a 0,5C por 600 s, repouso por 120 s, carga a 0,5C por 600 s. Chen2020 fornece uma parametrização LG M50 com capacidade nominal de 5 Ah; aqui 0,5C significa 2,5 A. Este é um exemplo de referência executável, não uma afirmação de que uma célula de usuário arbitrária possui esses parâmetros. O helper desabilita a telemetria de uso do PyBaMM, a menos que o chamador já tenha configurado explicitamente essa variável.

Fluxo de trabalho

  1. Estabeleça a química da célula, geometria, capacidade nominal, estado inicial, temperatura e convenção de sinal de corrente. Use um conjunto de parâmetros apropriado e explique sua origem. Distinga parâmetros ajustados de um artigo de medições desta célula específica. Não transplante parâmetros de degradação sem verificar seu significado e condições aplicáveis.
  2. Converta o protocolo solicitado para o contrato JSON em references/protocol-and-comparison.md. Corrente de simulação positiva descarrega; corrente negativa carrega. Cada etapa tem uma duração finita. Um corte de tensão especificado pode encerrá-la mais cedo; o relatório registra os tempos de término reais. Taxas C usam a capacidade nominal do conjunto selecionado. Uma mudança nessa capacidade altera a corrente.
  3. Escolha SPM quando suas suposições de transporte reduzidas forem adequadas; use DFN ao resolver questões de transporte de eletrólito/eletrodo. Os modelos testados do helper são isotérmicos e excluem envelhecimento, mecânica, deposição e controle de pacote. Aumentar a taxa pode invalidar as previsões SPM mesmo que a convergência numérica seja excelente.
  4. Execute o helper. Ele valida os campos do protocolo, rejeita entradas de parâmetros desconhecidas ou substituídas pelo protocolo, usa IDAKLU e salva os parâmetros base após a inicialização do SOC. Mantenha o protocolo com esse snapshot: as etapas do experimento fornecem suas próprias correntes. Etapas inviáveis ou puladas são erros, em vez de apresentar silenciosamente um protocolo parcial como completo.
  5. Leia as duas comparações numéricas separadamente: a linha de base versus tolerâncias mais rígidas isola o erro do solucionador; tolerâncias rígidas no original versus malha dobrada isolam a discretização. Compare as diferenças de tensão e as diferenças de tempo de evento em relação à precisão que a questão necessita. Refine novamente quando estas forem muito grandes; uma duplicação não prova convergência.
  6. Se medições estiverem disponíveis, verifique corrente, origem do tempo, temperatura, SOC e capacidade antes de interpretar os resíduos. Forneça segundos, volts e amperes correspondentes. O helper relata RMSE/MAE/bias de tensão e RMSE de corrente, preservando os resíduos. Um pequeno erro de tensão sob uma corrente de entrada incorreta não valida o modelo. Este fluxo de trabalho compara curvas; ele não afirma identificar parâmetros cinéticos únicos apenas pela tensão.

Executar e inspecionar

Do diretório da funcionalidade, aponte battery-env/bin/python para o ambiente criado acima:

battery-env/bin/python scripts/simulate_battery.py assets/chen2020-protocol.json \
  --output battery-reference

# measured.csv is user data with time_s,voltage_V,current_A columns.
battery-env/bin/python scripts/simulate_battery.py protocol.json \
  --measured measured.csv --mesh-points 30 --output battery-comparison

O primeiro comando foi executado como escrito com um local de saída externo. O segundo usa nomes de arquivo de usuário ilustrativos; o caminho de medição foi exercitado contra uma curva de referência sintética congelada nos testes. Os diretórios de saída devem ser novos.

Artefato Interpretação

…

Perguntas frequentes

O que são SPM e DFN?

SPM e DFN são diferentes modelos matemáticos usados para simular o comportamento das baterias. O SPM é mais simples e rápido, enquanto o DFN é mais detalhado e preciso para certas situações.

O que é 'C-rate'?

C-rate é uma medida de quão rápido uma bateria está sendo carregada ou descarregada em relação à sua capacidade total. Por exemplo, 1C para uma bateria de 5Ah significa uma corrente de 5A.

Posso usar isso para controlar uma bateria de verdade?

Não, esta ferramenta é apenas para simulação e análise. Ela não controla diretamente o hardware da bateria.

Detalhes

Descrição original do autor

Simulates lithium-ion battery charge, discharge and rest experiments with PyBaMM, records parameter-set provenance, checks mesh and solver sensitivity, and compares predicted voltage curves with measured cycling data. Use for SPM or DFN electrochemical battery modeling, C-rate protocols, voltage cutoffs, parameter studies and numerical validation of battery simulations.

repo: K-Dense-AI/scientific-agent-skills

Popularidade

Estrelas no GitHub
51 mil
Posição no ranking
#1944
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas