跳到正文

#老化预测

今日 0 条
10月29日周四
10月28日周三
  1. eTransportation58

    选择性老化表征网络提升电池老化轨迹预测效率与鲁棒性

    Xuan Liu 等人提出选择性老化表征网络（Selective Degradation Representation Network），用于电池老化轨迹预测，目标是兼顾效率与鲁棒性，突破刚性序列建模的限制。该文发表于 eTransportation，2026 年 10 月 27 日上线，目前仅有摘要信息。

    推荐理由：该工作用选择性老化表征网络做电池老化轨迹预测，强调高效与鲁棒，可供做序列预测方法选型时参考其表征思路。

  5. 关键词流·BMS 与电池智能算法42

    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。

10月27日周二
  1. Journal of Energy Storage50

    少标签迁移预测跨化成工艺变化的锂离子电池自放电压降

    Journal of Energy Storage 第183卷Part B刊出Haoyuan Zheng、Shaobin Yang、Ding Shen、Wei Dong、Xu Zhang的研究，题为少标签迁移预测跨化成工艺变化的锂离子电池自放电压降。当前仅提供标题与作者信息，摘要正文未给出。

    推荐理由：材料仅给出标题与作者信息，未提供摘要正文，无法提炼具体方法或结论层面的阅读价值。

  3. Energy60

    不确定性感知半监督学习实现真实电动车电池包老化诊断

    Shan Li 等人提出一种不确定性感知半监督学习方法，利用真实电动汽车随机短充电数据实现电池包老化诊断，以降低对标注数据的依赖。该研究发表于 Energy 第 367 卷，作者包括 Jian Ma、Xuan Zhao、Qiao Wang、Kai Zhang、Qifan Xue。

    推荐理由：面向真实车端随机短充电片段，用不确定性感知半监督学习降低电池包老化诊断对标注数据的依赖。

10月26日周一
  1. Zenodo · battery 数据与软件58

    表格化电池老化模型敏感性排序在认知不确定性下的审计：设计选择、依赖输入与多源证据

    研究将表格化老化模型敏感性排序背后的分析设定视为认知不确定性，对63.5 Ah NMC电芯老化模型用Sobol指数、Shapley效应和分箱Borgonovo型测度进行审计。

    推荐理由：该研究用Sobol、Shapley与Borgonovo三类指标审计63.5 Ah NMC表格化老化模型的敏感性排序，揭示排序随分析设定而变。

  2. Journal of The Electrochemical Society78

    耦合老化模式与阻抗增长的锂离子电池析锂拐点预测

    作者提出将非侵入估计的老化模式（LLI、正负极活性材料损失）与电极级阻抗增长耦合的机理模型，把实测阻抗增长分解为活性材料损失与副反应两部分，并发现副反应阻抗增长与LLI呈强线性相关（Pearson 系数均超过 0.98）。

    推荐理由：该工作把非侵入估计的老化模式与电极阻抗增长耦合起来，仅用前200 EFC数据即可预测析锂起始与容量拐点。

10月24日周六
10月23日周五
  1. Journal of Power Sources58

    机械压痕锂离子软包电芯长期损伤演化实验研究

    Journal of Power Sources 第 698 卷刊出 Jihoon Moon、Yeon-Joon Ko、Jasiel Lira、Tanvir R. Tanim、Christopher D. Rahn 的论文，题为机械压痕锂离子软包电芯长期损伤演化实验研究，出版日期为 2027 年 1 月 15 日。当前 feed 仅提供标题与作者信息，未给出摘要与实验数据。

    推荐理由：材料只有论文标题与作者信息，未给出摘要或结果，无法支持具体阅读价值。

  2. Zenodo · battery 数据与软件38

    NMC631方形电芯的ICA与EIS联合表征：45°C循环700 FEC后容量降至34%

    比利时布鲁塞尔自由大学MOBI团队对NMC631方形电芯在3种温度和不同循环条件下开展增量容量分析（ICA）与EIS测试。45°C高温循环的电芯在700个等效全循环（FEC）后容量降至初始值的34%，高温下全频段阻抗显著上升且ICA峰位发生偏移。在5°C和25°C、20-80% SOC窗口内循环的电芯同期保持97%以上容量。相关PDF已发布于Zenodo。

10月22日周四
  1. Joule67

    Joule 刊文从机理层面探讨电池能量与容量的关系

    Joule 第 10 卷第 10 期发表 Matthieu Dubarry、Stephen J. Harris、Reed M. Wittman 与 Yuliya Preger 的研究，从机理层面考察电池能量与容量之间的关系。目前仅有摘要信息，具体方法与结论尚未公开。

    推荐理由：文章从机理层面梳理电池能量与容量之间的关系，为解读老化过程中两者不同步衰减提供分析框架。

  3. Journal of Energy Storage58

    动态轨迹引导的物理启发式老化建模用于电池健康预测

    Zhu 等人在 Journal of Energy Storage 提出一种由动态轨迹引导的物理启发式老化建模方法，用于电池健康预测。该文发表于 Volume 183 Part A，作者包括 Enrico Zio 等，摘要未给出具体数据集与误差指标。

    推荐理由：该工作把动态轨迹引导的物理启发式老化建模用于电池健康预测，为物理信息方法在SOH估计中的落地提供了一条可迁移思路。

  4. Energy40

    基于物理老化模型的分时电价下V2G运行与经济性分析

    韩国团队在 Energy 第366卷发表研究，将基于物理的电池老化模型与分时电价下的车辆到电网（V2G）运行经济性分析结合，评估老化成本对V2G收益的影响。作者为 Hyeon-Gyu Lee、Seong-Taek Ryu、Sanghyun Kim、Yoon-Cheol Ha、Kyu-Jin Lee、Jung-Il Choi，论文于2026年11月30日出版，目前仅公开摘要。

    推荐理由：该研究把物理老化模型与分时电价下的V2G经济性放在同一框架里，可看老化成本如何改变V2G收益判断。

  5. 关键词流·SOX 与寿命预测55

    仿真引导评估充电协议变化下早期循环寿命预测的稳健性

    作者发布仿真引导的早期循环寿命预测稳健性评估工作，考察充电协议变化对预测的影响，并公开代码包 Simulation_Guided_Battery_Lifetime_Prediction_Code_v1.0.0.zip（1.1 MB）。材料仅给出标题与文件信息，未披露所用数据集、模型与具体误差结果。

    推荐理由：该工作用仿真数据考察充电协议变化下早期循环寿命预测的稳健性，为跨协议泛化评估提供可复用的测试思路。

  6. Journal of Energy Storage55

    领域知识特征引导标签稀缺条件下的电池衰减模式估计

    Aihua Tang 等人在 Journal of Energy Storage 第 183 卷 Part A 发表研究，提出提取领域知识引导的特征，用于在标签稀缺条件下估计电池衰减模式。材料仅提供摘要，未给出具体方法细节、数据集与量化结果。

    推荐理由：在标签稀缺条件下，该工作用领域知识构造特征来引导电池衰减模式估计，为少标注场景提供了一条可迁移的特征工程思路。

  7. Advanced Energy Materials60

    多晶与单晶 NCM811 复合正极中 SOC 失配驱动颗粒间内部锂离子转移并加速表面老化

    研究以化学相同但动力学不同的多晶与单晶 NCM811 构建双峰模型体系，在电极层面系统调节颗粒间动力学失配。结果显示，非均匀反应动力学产生颗粒间 SOC 失配，形成电化学势梯度并驱动自发内部锂离子转移；该过程虽使颗粒 SOC 趋于同步，却伴随瞬态内部电流，导致更严重的表面老化，包括富有机物 CEI 生成与岩盐型表面重构。

    推荐理由：该研究用多晶与单晶 NCM811 双峰模型证明，颗粒间 SOC 失配引发的内部锂离子转移会加速表面老化，为复合正极设计提供新视角。

  8. Advanced Energy Materials60

    研究提出拆分充电与放电衰减的诊断框架，解耦硫化物全固态电池 Ni-rich 正极的化学与机械老化

    研究提出一种诊断框架，通过监测 SOC 窗口把 LiNi0.8Co0.1Mn0.1O2|Li6PS5Cl0.5Br0.5|Li 金属电芯的容量衰减拆分为充电衰减与放电衰减，从而区分（电）化学与机械老化的贡献。

    推荐理由：该工作把容量衰减拆成充电与放电两部分，为区分硫化物全固态电池中化学与机械老化提供了一种可迁移的诊断思路。

  9. Applied Energy47

    改进深度聚类实现异质工况下动力电池区域感知现场可靠性预测

    Yang Lv 等人提出一种区域感知的现场可靠性预测方法，用改进深度聚类处理异质工况下的动力电池可靠性问题，论文发表于 Applied Energy 第 427 卷 Part E。摘要未给出具体数据集、电芯数量与预测误差指标。

    推荐理由：面向真实车用场景下工况异质的电池可靠性预测，提出区域感知的深度聚类方法，为现场可靠性建模提供可迁移思路。

10月20日周二
  1. Journal of Power Sources62

    先验引导学习实现变协议下部分充电观测的有序电池老化轨迹预测

    Yongjiang Yu 等人提出先验引导学习方法，可从变协议下的部分充电观测预测有序电池老化轨迹，论文发表于 Journal of Power Sources 第 698 卷。摘要未给出数据集、电芯体系与误差指标等具体信息。

    推荐理由：该工作用先验引导学习从部分充电片段预测有序老化轨迹，为变协议下的在线老化评估提供可迁移思路。

  3. Applied Energy58

    机理建模驱动的富镍全固态电池可解释老化预测模型

    Chunhao Yuan 等人提出一种由机理建模提供信息的富镍全固态电池可解释老化预测模型，发表于 Applied Energy 第 427 卷 Part D。摘要未给出具体数据集、误差指标与代码获取方式。

    推荐理由：该工作用机理模型为富镍全固态电池老化预测提供可解释输入，读者可参考其机理与数据融合的建模思路。

10月19日周一
10月17日周六
10月16日周五
  1. eTransportation60

    电芯老化如何聚合到系统层面：串联、并联与串并联锂离子电池模组的实验对比

    Tobias Brehler 等人在 eTransportation 第 30 卷发表研究，通过实验对比串联、并联与串并联锂离子电池模组，考察电芯老化如何聚合到系统层面。材料仅提供摘要，具体模组配置、电芯体系与测量结果未在摘要中给出。

    推荐理由：原文通过串联、并联与串并联模组的实验对比，展示电芯老化差异如何在系统层面聚合，为模组级老化评估提供对照依据。

  2. arXiv · battery（eess.SY 系统与控制）80

    NOCE-Net：用嵌套序列建模学习电池运行工况表征

    作者提出 NOCE-Net，一种深度嵌套序列模型，可直接从原始循环运行或遥测数据学习可用于控制的表征。其数据管线 re-BatteryData 将异构老化数据集统一为以绝对电荷吞吐量定义的全等效循环（FEC），覆盖十个公开数据集约 700 个电池、300 多种运行工况。

    推荐理由：该工作用嵌套序列模型从原始循环数据学习表征，在未见化学体系上做零样本电压预测，并给出隐状态与容量衰减的关联诊断。

10月10日周六
  1. Energy Storage Materials72

    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。

10月9日周五
  1. Journal of Power Sources50

    研究提出基于稳健电压-容量特征追踪锂离子电池老化

    Hamid Hamed 等人在 Journal of Power Sources 第 698 卷发表研究，提出用稳健的电压-容量特征追踪锂离子电池老化。作者包括 Albin Conde Reis、Sasan Amini、Inneke Van Nieuwenhuyse 和 Mohammadhosein Safari，论文发表于 2027 年 1 月 15 日。

    推荐理由：材料仅给出标题与作者信息，无法确认方法细节与结果，暂不展示推荐理由。

  3. arXiv · battery（eess.SY 系统与控制）71

    闭环域生成框架提升跨工况电池健康诊断精度

    作者提出闭环域生成框架，用变分自编码器潜在空间外推生成物理约束的跨域样本，并以贝叶斯优化自动标定采样、潜在正则、外推、扰动与生成量等超参数，全程排除目标域后期数据。在四个跨域案例中，正极活性材料损失、负极活性材料损失和锂库存损失的RMSE分别为1.53%、2.15%和2.02%，传统方法误差明显更高甚至完全失效。该框架不依赖下游诊断模型，可用于车载且物理一致的电极级老化诊断。

    推荐理由：该框架用变分自编码器与贝叶斯优化生成跨域样本，四个跨域案例中三类电极老化模式的RMSE均约2%，可迁移到少样本目标域诊断。