REFORMERS 项目提出三级 Living Lab 路径，推动欧洲能源系统整合规模化
REFORMERS 项目提出三级 Living Lab 方法，用于将可再生能源谷（REV）的能源系统整合方案从受控测试逐步推向跨国复制。
#数字孪生
#数字孪生
今日 1 条Zenodo · battery 数据与软件AI 评分2323
Zenodo · battery 数据与软件AI 评分3131 工业综合能源系统中数字—物理融合与经济表现：智能电网控制、电池储能与数字孪生的情景分析
针对哈萨克斯坦油气加工行业构建电—热—气综合能源系统，在100 GWh年用电与150 GWhth年用热需求下，用智能电网控制、4 MW/16 MWh BESS 与数字孪生组合出8个技术情景。
关键词流·BMS 与电池智能算法AI 评分3131 风险感知数字孪生边缘智能用于电动汽车电池老化、热应力与能量管理
一篇论文提出基于数字孪生的风险感知电动汽车电池能量管理框架，将电池状态预测、启发式不确定性指标、热风险评估与电池健康信息统一到电流控制方案中，边缘智能层支持本地处理而无需持续云端交互。
关键词流·BMS 与电池智能算法AI 评分4242 KIT 提出电动公交电池信息物理框架，融合 DQN 智能充电与 LSTM 数字孪生
KIT 团队提出面向电动公交电池的信息物理框架，控制层用 DQN 智能体实时执行智能充电与再生制动电流限幅，并与边缘侧 LSTM 数字孪生联动跟踪 SOH。框架还引入基于 SHAP 的 NMPC 策略，映射核心产热并补偿内部热滞后，以应对城市工况下电流冲击带来的局部热应力。该文发表于 Smart Cities 第 9 卷第 11 期，2026 年 10 月 23 日在线发表。
Chemical Engineering ScienceAI 评分1818 第一性原理引导的数据融合与基于 Transformer 的动态代理建模用于化工过程数字孪生
研究提出第一性原理引导的数据融合方法，结合 Transformer 构建化工过程数字孪生的动态代理模型。作者为 Shangzhi Liu、Yu Wang、Shaohui Fang、Yi Zhao、Meng Qi、Dongfeng Zhao，成果发表于 Chemical Engineering Science 第 339 卷 Part D。
Zenodo · battery 数据与软件精选AI 评分4747 代理模型驱动的锂离子电池可持续生产决策框架
法国 Arts et Métiers 与 CESI 团队提出基于机器学习代理模型的决策框架，用其模拟数字孪生行为以大幅降低计算成本，并嵌入多目标优化中快速探索生产成本、CO₂排放与电芯良率之间的权衡。该方法面向多级锂离子电池生产中缺陷非线性传播的问题，支持随工艺波动调整参数的动态数据驱动决策。成果以 PDF 形式发布于 Zenodo（v1）。
推荐理由：该工作用机器学习代理模型替代高保真数字孪生，把生产成本、CO₂排放与电芯良率纳入多目标优化，为多级产线的实时决策提供可迁移思路。
Zenodo · battery 数据与软件AI 评分3838 数字孪生与强化学习协同的智能生产自适应维护框架
法国 Arts et Métiers 与 CESI 团队提出一种基于强化学习的维护决策框架，将生产系统数字孪生作为仿真环境，让智能体在运行、检查、校准与维护等动作间学习自适应策略，并以预测产量与设备健康状态作为决策指标。该框架在电池制造流程的一个示例工序上演示，学习到的策略用于控制过程衰减并维持产量稳定。仿真结果显示该方法能够提前预判衰减并在适当时机触发维护动作。
Zenodo · battery 数据与软件AI 评分2020 基于动态时间Petri网与异构多智能体Double DQN的多场景数字孪生人机协作多任务拆解工艺规划
研究提出数字孪生辅助的多智能体人机协作拆解系统，用动态时间Petri网（TPN）模型表达实时拆解信息与关联关系，并集成多智能体Dueling-Double深度Q网络（MADDQN）算法求解最优拆解序列与任务策略。以蔚来ES8的NEV-P50电池包为案例，验证该算法可基于数字孪生数据优化动态拆解序列与不确定任务分配。
Computers & Chemical EngineeringAI 评分2020 NARX-EnKF 数字孪生用于工业低温储罐组分与漏热的自适应软测量
研究提出一种 NARX-EnKF 数字孪生方法，用于工业低温储罐组分与漏热的自适应软测量。该方法结合 NARX 模型与集合卡尔曼滤波（EnKF）实现软测量在线自适应。论文发表于 Computers & Chemical Engineering 第 216 卷。
Journal of Energy StorageAI 评分4040 基于数字孪生的电动汽车电池–变换器系统控制数值研究
Journal of Energy Storage 刊发研究，对电动汽车中电池–变换器系统开展基于数字孪生的控制数值研究，目标是提升系统可靠性与可持续性。作者为 Kiran Keshyagol，论文收录于该刊第 182 卷 Part F。
Energy Storage Materials精选AI 评分7272 物理信息数字孪生揭示锂离子电池拐点起始的机理阈值
Mingyuan Zhao 等人提出一种物理信息数字孪生方法，用于揭示锂离子电池老化拐点起始的机理阈值。该研究发表于 Energy Storage Materials 第 92 卷，作者包括 Binghe Liu、Yongjun Pan、Huizhi Wang 和 Yongzhi Zhang。
推荐理由：该工作用物理信息数字孪生定位锂离子电池拐点起始的机理阈值，为老化早期预警提供可迁移的建模思路。
Advanced Energy MaterialsAI 评分3636 多孔石墨烯网络解锁高负载致密锂离子电池电极的三维电子与离子传输
石墨烯介孔海绵（GMS）作为功能性导电添加剂，通过其海绵状介孔骨架调控电极微观结构，在仅含 1 wt.% GMS 的无钴纯镍层状氧化物高负载电极中提升电子与离子电导率，降低极化并保持高可逆容量。
EnergyAI 评分3838 基于动态建模的波动功率下光伏耦合碱性水电解与电池储能物理信息设计
研究通过动态建模对波动功率下光伏耦合碱性水电解与电池储能系统进行物理信息设计。作者为 Jinyoung Ham、Bobby Laviguer、Dohyung Jang、Haeseong Shin、Jack Brouwer 和 Sanggyu Kang，成果发表于 Energy 第 365 卷。
关键词流·SOX 与寿命预测AI 评分2424 基于仿真的电热电池框架：面向 PV-水电系统的 SOH 能量管理（Butembo 案例研究）
该研究提出一套基于仿真的电热电池框架，用于刚果（金）Butembo 的 PV-水电系统 SOH 能量管理，耦合功率平衡模型、一阶 Thevenin 等效电路、集总热动态、示例性 SOH 信号及受 SOC、温度和健康限值约束的规则调度。
关键词流·多物理场模型AI 评分6262 并联锂离子电池组电化学-热-老化耦合模型：电芯差异下热与老化不一致性的演化
该研究提出并联锂离子电池组的电化学-热-老化耦合模型，用于分析电芯间差异条件下热不一致性与老化不一致性的演化。原文仅提供标题，未给出具体电芯体系、模型方法与验证结果。
Computers & Chemical EngineeringAI 评分2222 面向工业流体网络数字孪生的物理约束神经算子：状态重构与实时参数辨识
研究提出一种物理约束神经算子，用于工业流体网络数字孪生中的状态重构与实时参数辨识。该方法将物理约束嵌入神经算子框架，可同时完成状态估计与参数在线辨识。
关键词流·SOX 与寿命预测AI 评分4040 面向牵引机车与牵引变电所的电池数字孪生：基于双 Kalman 滤波的 RUL 估计
面向牵引机车与牵引变电所，研究者开发了基于双 Kalman 滤波的电池数字孪生，通过联合滤波 Thevenin 等效电路模型参数与 SOC，从电流、电压、温度测量值估计剩余容量与 RUL。验证采用 15 个电芯串联的锂离子电池实验数据，SOC 与电压估计的 MAPE 分别低于 1.5% 和 0.5%。该方法建议用于"数字机车"与"数字变电所"项目中的技术状态监测与诊断系统。
arXiv · battery（physics.app-ph）精选AI 评分5858 物理信息学习加速电化学器件建模：面向实时控制的框架与展望
文章评估了 PINN、PIDeepONet 和 PINO 三种物理信息机器学习框架在电化学器件实时控制中的潜力，从训练成本、推理速度和泛化能力三方面进行对比。PINN 适合固定问题但参数变化需重新训练，PIDeepONet 支持跨工况算子学习且无需网格，PINO 在规则网格上性能更优、外推能力最强。
推荐理由：文章对比 PINN、PIDeepONet 与 PINO 三种物理信息学习框架的训练成本、推理速度与外推能力，为电化学器件实时控制选型提供依据。