跳到正文

全部动态

今日 4 条
9月30日周三
  1. Energy Storage Materials42

    基于逐段识别的锂离子电池 EIS 关键参数辨识与有效重构

    研究提出一种逐段识别方法,用于提取锂离子电池电化学阻抗谱(EIS)的关键参数并实现 EIS 的有效重构。该方法通过分段处理 EIS 数据辨识关键参数,进而完成阻抗谱重构。成果发表于 Energy Storage Materials 第 91 卷,作者为 Ying Kung、Cheng-Hsi Tien、Yi-An Chen、Chi-Jyun Ko、Kuo-Ching Chen。

  2. eTransportation50

    过放电锂离子电池性能的多维量化与老化模式识别

    Ze Zhang 等人在 eTransportation 第 29 卷发表研究,对过放电锂离子电池进行多维性能量化并识别其老化模式。作者为 Bin Duan、Peng Huang、Changlong Li、Guangcai Zhao、Yongzhe Kang 等,论文于 2026 年 9 月出版。

    推荐理由:针对过放电锂离子电池,从多个维度量化性能并识别老化模式,为过放电后的状态评估提供可迁移的分析框架。

  3. Renewable and Sustainable Energy Reviews18

    面向 AI 能耗驱动的数据中心深地储能解决方案

    Renewable and Sustainable Energy Reviews 刊发综述,探讨面向 AI 能耗驱动的数据中心的深地储能解决方案,作者包括 Xilin Shi、Chenxi Wang、Hao Tian 等。文章聚焦地下储能路径如何应对人工智能带来的数据中心用电增长。

  4. eTransportation50

    序列与特征融合框架提升随机充电工况下的电池 SOH 估计鲁棒性

    eTransportation 第 29 卷将刊出 Fan Chen 等人的研究,提出一种序列与特征协同融合框架,用于在真实随机充电工况下稳健估计电池 SOH。当前 feed 仅提供标题与作者信息,未给出摘要、数据集与误差指标。

    推荐理由:材料仅给出标题与作者信息,未提供摘要正文,无法提炼具体方法细节或结果。

  5. eTransportation62

    基于弱监督学习的锂离子电池SOH可解释估计方法

    Cheng Qian 等人提出一种弱监督学习方法,在标签极少的条件下实现锂离子电池健康状态(SOH)估计,并强调估计结果的可解释性。该研究发表于 eTransportation 第 29 卷,作者包括 Hongsheng Guan、Yiyong Xiao、Li Wang、Yi Ren、Quan Xia、Dezhen Yang、Zili Wang。

    推荐理由:面向标签极少的SOH估计场景,提出弱监督方案并强调可解释性,可供数据稀缺条件下的建模参考。

  6. eTransportation60

    退役锂离子电池快速分选框架:基于电极级老化状态诊断

    eTransportation 第 29 卷刊出 Qingqing Yang 等人的研究,提出一种面向退役锂离子电池的快速分选框架,通过电极级老化状态诊断实现分选。作者包括 Huaqin Zhang、Jianwei Li、Zhiwei He、Weiming Teng、Guodong Zhang,出版日期为 2026 年 9 月。

    推荐理由:面向退役电池分选,提出从电极层面诊断老化状态的快速框架,可为梯次利用分选流程提供方法参考。

  7. eTransportation62

    高保真建模揭示不同工况下的析锂与剥离动态

    Jue Chen、Heinrich Ditler、Gereon Stahl、Christiane Rahe、Weihan Li 在 eTransportation 第 29 卷发表研究,对多种运行工况下的析锂与剥离过程进行高保真建模,以揭示其隐藏动态。论文发表于 2026 年 9 月,目前仅见摘要信息。

    推荐理由:针对析锂与剥离过程建立高保真模型并覆盖多种工况,可为快充边界与析锂判据研究提供建模参考。

  8. Energy Storage Materials34

    石墨颗粒倍率依赖阶跃动力学的光学指纹识别

    研究人员利用光学指纹技术,对单个石墨颗粒中倍率依赖的阶跃动力学进行了表征。该方法可实时观测不同充放电倍率下石墨颗粒内部的阶跃行为,为理解石墨负极的动力学过程提供了单颗粒尺度的实验依据。相关成果发表于 Energy Storage Materials。

  9. eTransportation62

    基于物理建模与智能优化的高能量锂离子电池快充策略

    Yajie Liu 等人提出结合物理建模与智能优化的方法,用于实现高能量锂离子电池的快充。该研究发表于 eTransportation 第 29 卷,作者包括 Yu Wang、Fuyuan Liang 和 Xing Zhou,摘要未提供具体模型、优化算法与实验数据。

    推荐理由:面向高能量锂离子电池快充,将物理建模与智能优化结合,为充电策略设计提供可迁移的方法框架。