退役电池二次利用成组的分选聚类方法：用统计分选把老化机制相近的电芯归组，缓解混合SOH家用储能系统的容量瓶颈
一项数值研究用336颗退役NMC电芯的合成电芯群比较四种分选策略，结果容量单指标分选仅11.0%的模组同时满足两项安全阈值，欧氏均衡聚类为7.7%，随机成组为0.0%，Mahalanobis GMM+ISODATA流程仅0.1%。
#梯次利用
#梯次利用
今日 0 条关键词流·SOX 与寿命预测AI 评分2525
Zenodo · battery 数据与软件AI 评分2222 TREASoURcE 项目发布 D4.3：挪威二次利用电池市场宏观经济评估
TREASoURcE 项目发布 Deliverable 4.3，用情景化宏观经济模型评估挪威电动汽车电池梯次利用于 BESS 的经济、社会与环境影响。报告显示，成长的二次利用电池产业可带来可测量但温和的增加值与就业，尤其集中在电池再加工及相关技术岗位，并以极少的额外温室气体排放贡献循环经济目标。落地成效取决于市场接受度、收集与再加工基础设施及职业培训，长期回收产能仍不可或缺。
Zenodo · battery 数据与软件AI 评分3838 TREASoURcE 发布 D4.2 报告：三个示范站点梯次电池储能案例
TREASoURcE 项目发布 Deliverable 4.2 报告，梳理电动汽车电池梯次用于电池储能系统（BESS）的收益与挑战，涉及 SOH 评估、系统集成以及整车厂信息有限等问题，并指出电池房安装调试缺乏标准化法规与流程。
EnergyAI 评分2727 不同权力结构下新能源汽车换电系统与梯次利用的运营策略
针对新能源汽车换电系统，研究在不同权力结构下结合电池梯次利用的运营策略。作者为 Jing Jia、Weida Chen 与 Zhoujian An，成果发表于 Energy 第 366 卷。
Zenodo · battery 数据与软件AI 评分2222 知识图谱驱动的报废产品人机协作拆解策略过程推理
针对报废产品结构与信息异构导致的人机协作拆解难题，该研究提出知识图谱驱动神经网络结合信息分解模块的方法，用于预测最优拆解策略并增强过程推理能力。该方法可为拆解任务分配与工具选择提供决策支持，并以报废电池包为例验证了在复杂人机协作拆解场景中的有效性。
Zenodo · battery 数据与软件AI 评分2020 面向自感知人机协作的智能拆解场景理解：人类行为与意图识别
研究提出一种自感知人机协作（HRC）拆解系统，通过融合ST-GCN动作识别、增强YOLO工具检测与面部角度识别三个模块实时推断操作者意图，意图识别准确率约85%，显著优于传统单模态方法。系统在物理HRC拆解平台上完成退役动力电池拆解任务耗时238 s，比纯人工拆解快60 s（20%）。团队为此构建了包含人体骨骼、工具标注图像与面部表情数据的退役动力电池拆解专用数据集。
Journal of Energy StorageAI 评分4747 面向固定式储能的梯次利用锂离子电池资源高效原位热建模方法
Journal of Energy Storage 刊发 Leire Erbiti 等人的研究，提出一种面向固定式储能梯次利用锂离子电池的资源高效原位热建模方法。该方法针对二次利用电芯的热行为建模需求，强调降低计算与数据资源消耗。
JouleAI 评分2222 通过生成同晶型中间体突破 LiFePO₄ 电池正极可规模化直接升级回收的合成壁垒
Joule 刊发研究提出通过生成同晶型中间体，克服 LiFePO₄ 电池正极直接升级回收的合成壁垒，实现可规模化回收。作者为 Wei Li、Jiao Lin、Hongpeng Gao 等，论文发表于 Joule 第 10 卷第 8 期。
Computers & Chemical EngineeringAI 评分3131 知识图谱嵌入大语言模型用于电池回收技术选择策略
研究提出一种知识图谱嵌入的大语言模型方法，用于电池回收技术选择策略。该方法将知识图谱与大语言模型结合，以辅助电池回收技术的筛选决策。
Journal of Energy ChemistryAI 评分4040 机器学习辅助退役电池健康管理
发表于 Journal of Energy Chemistry 第123卷的研究聚焦退役电池的健康管理，作者包括 Yuchen Xu、Jinxuan Chen、Tianxiang Zeng、Weiwen Peng、Ruohan Guo、Jinpeng Tian 与 C.Y. Chung。该研究将机器学习方法用于退役电池的健康状态评估与管理。