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。
#机器学习
#机器学习
今日 4 条Journal of Energy ChemistryAI 评分4040 Journal of Energy ChemistryAI 评分3232 用人工智能解锁可充电电池材料：从数据-描述符-模型工作流到闭环发现
Journal of Energy Chemistry 第123卷发表综述，探讨人工智能如何加速可充电电池材料的发现，提出从数据-描述符-模型工作流到闭环发现的路径。作者 Yang Zhao、Mengjun Li、Limin Geng、Weijia Meng、Jiaye Ye 系统梳理了该领域的方法框架。
Energy Storage MaterialsAI 评分3838 借助 operando 中子深度剖析揭示空间锂分布对锂离子电池动力学的支配作用
研究利用 operando 中子深度剖析技术，揭示空间锂分布对锂离子电池动力学起支配作用。该工作由 Yuanhan Sun 等人完成，发表于 Energy Storage Materials 第 91 卷。
eTransportationAI 评分4242 缓解锂离子电池基于机器学习的 SOH 估计中的数据依赖影响：挑战、策略与展望
eTransportation 第 29 卷刊发综述，聚焦机器学习用于锂离子电池 SOH 估计时的数据依赖问题，梳理其挑战、应对策略与未来展望。作者为 Ming Jiang、Meng Wang、Mingyang Liu、Fei Gao、Yuefeng Su。
eTransportation精选AI 评分6060 锂离子电池老化诊断中半电池模型拟合方法的基准比较
eTransportation 第 29 卷刊出 Tingkai Li 等人的研究，对锂离子电池老化诊断中的半电池模型拟合方法进行基准比较。作者包括 Yifan Zhang、Benjamin Nowacki、Sina Navidi、Thomas Schmitt、Shan Hu 与 Chao Hu，论文计划于 2026 年 9 月出版。目前仅提供摘要，未给出具体方法细节与评测结果。
推荐理由：原文系统比较了半电池模型拟合在锂离子电池老化诊断中的多种方案，读者可据此了解不同拟合路线的适用边界。
eTransportation精选AI 评分6060 基于脉冲测试与联邦学习的退役电池类型秒级识别方法
研究提出一种利用脉冲测试的联邦学习方法，实现退役电池类型的秒级异构识别，并在输出层加入隐私保护。作者包括 Hang Hu、Xinghao Huang、Chen Liang 等，成果发表于 eTransportation 第 29 卷，出版日期为 2026 年 9 月。
推荐理由：面向退役电池分选场景，用脉冲测试结合联邦学习做秒级类型识别，并给出输出层隐私保护方案。
eTransportationAI 评分4545 基于阻抗谱与机器学习的电池等效电路模型结构与参数联合在线更新
研究提出一种利用阻抗谱与机器学习对电池等效电路模型进行结构与参数联合在线更新的方法，作者包括 Yilei Lin、Dai Liu、Philipp Welz 等，成果发表于 eTransportation 第 29 卷。该方法面向等效电路模型在线应用，同步更新模型结构与参数。
Energy Storage MaterialsAI 评分4242 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。
eTransportation精选AI 评分5050 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。
eTransportation精选AI 评分5050 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。
eTransportation精选AI 评分6262 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。
eTransportation精选AI 评分6060 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。
Renewable and Sustainable Energy ReviewsAI 评分2222 AI 驱动的综合能源系统多目标优化与多准则决策：面向低碳转型的批判性综述与展望
这篇发表于 Renewable and Sustainable Energy Reviews 的批判性综述，由 Yitong Dong、Jiashu Kong、Pow-Seng Yap 与 Yuekuan Zhou 撰写，聚焦 AI 驱动的多目标优化与多准则决策在面向低碳转型的综合能源系统中的应用。文章在梳理现有方法的基础上提出批判性视角与未来研究方向。
eTransportationAI 评分3838 电池代表性负载曲线需超越电功率的动态建模
eTransportation 第 29 卷刊发 Konrad Katzschke、Tamás Kurczveil 与 Andreas Rausch 的研究，指出代表性电池负载曲线不能仅靠电功率刻画，需引入动态建模。
Journal of Energy ChemistryAI 评分4040 高时空分辨 operando 应变成像实现锂金属电池老化诊断
发表于 Journal of Energy Chemistry 的研究提出高时空分辨 operando 应变成像方法，用于锂金属电池的老化诊断。作者为 Wenrong Lv、Fei Pei、Minna Mao 等，论文收录于该刊第 123 卷。
eTransportation精选AI 评分5050 基于实车数据评估差分电压分析与EIS在电动汽车上的应用潜力
Raphael Urban 等人在 eTransportation 第 29 卷发表研究，基于真实世界数据评估差分电压分析与 EIS 在电动汽车上的应用潜力。
推荐理由：基于实车数据评估差分电压分析与EIS在车端SOH估计中的可行性，为方法选型提供真实工况参照。
Renewable and Sustainable Energy ReviewsAI 评分3838 机器学习在电池热管理系统中的应用进展：建模方法、优化策略与未来趋势
综述梳理了机器学习在电池热管理系统中的应用进展，涵盖建模方法与优化策略。文章发表于 Renewable and Sustainable Energy Reviews 第244卷，作者为 Junlong Gu、Zongqi Chen、Yu Wang，并展望了该领域未来趋势。
eTransportationAI 评分3232 基于主成分分析的数据预处理用于电池系统故障检测：以电池系统内故障为例
一项发表于 eTransportation 第 29 卷的研究，以电池系统内故障为案例，探讨用主成分分析（PCA）进行数据预处理以支撑故障检测。作者为 Michael Theiler、Simon Diehl、Alexander Baumann 和 Christian Endisch。
eTransportationAI 评分4242 基于真实工况数据的锂离子电池包内阻衰减整车级建模与影响参数分析
研究基于真实工况数据建立锂离子电池包整车级内阻衰减模型，并分析影响内阻衰减的关键参数。作者为 Dongmin Kim、Yoon Koo Lee 与 Kitae Jang，成果发表于 eTransportation 第 29 卷。
eTransportation精选AI 评分6262 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。
eTransportation精选AI 评分6262 基于拆解的实车老化电池包电芯到电池包容量与内阻缩放规律
Marco Fischer 等人在 eTransportation 发表研究，基于拆解实车老化 EV 电池包，分析容量与内阻从电芯到电池包层级的缩放关系。论文发表于 Volume 30，作者包括 Martin J. Brand、Alexander Schröder 和 Andreas Jossen。
Journal of Energy Chemistry精选AI 评分5757 双流物理信息神经网络-迁移学习框架用于少样本场景下的电池 SOC 鲁棒估计
Longxing Wu 等人在 Journal of Energy Chemistry 第 124 卷提出双流物理信息神经网络-迁移学习框架，用于少样本数据场景下的电池 SOC 鲁棒估计。该工作将物理信息神经网络与迁移学习结合，以应对训练数据不足时的估计精度问题。论文发表于 2027 年 1 月。
推荐理由：针对少样本工况下 SOC 估计精度下降的问题，该框架把物理信息神经网络与迁移学习结合，可供做小样本估计的研究者参考其双流结构设计。
Computers & Chemical EngineeringAI 评分3030 Physics-Informed Neural Networks 用于过程系统：估计未知动态
发表于 Computers & Chemical Engineering 的研究提出用 Physics-Informed Neural Networks（PINN）估计过程系统中的未知动态，作者为 Farshad Moayedi、Aswin Chandrasekar 与 Prashant Mhaskar。该文将发表于 Volume 216，出版日期为 2027 年 1 月。
Computers & Chemical EngineeringAI 评分4242 数据驱动分层热失控预警用于快充下电动汽车锂离子电池
研究提出一种数据驱动的分层热失控预警方法，面向电动汽车锂离子电池快充工况。相关成果发表于 Computers & Chemical Engineering 第 216 卷，作者为 Chengyang Liang、Dexin Gao、Yuanming Cheng、Qing Yang。
Energy Storage Materials精选AI 评分6262 机械信号解码锂沉积孔隙率，用于实用锂金属电池失效分析与早期预警
Can Wang、Renjie Wang、Yuxuan Zhang、Jianming Li、Quanqing Yu 在 Energy Storage Materials 第 91 卷发表研究，提出用机械信号解码锂沉积孔隙率，用于实用锂金属电池的失效分析与早期预警。该文刊于 2026 年 10 月。
推荐理由：面向实用锂金属电池，用机械信号解码锂沉积孔隙率，为失效分析与早期预警提供了一条可迁移的在线监测思路。
Journal of Energy ChemistryAI 评分2525 添加剂调控溶剂化结构构建双梯度正极-电解质界面膜，实现 5.0 V 锂金属电池凝胶聚合物电解质
研究人员通过添加剂调控凝胶聚合物电解质中的溶剂化结构，在 5.0 V 锂金属电池中构建出双梯度正极-电解质界面膜。该策略借助添加剂工程优化溶剂化构型，形成梯度分布的界面膜以稳定高电压正极与锂金属负极界面。相关成果发表于 Journal of Energy Chemistry 第 124 卷。
eTransportation精选AI 评分5050 基于超声传感的锂离子电池跨域迁移学习框架
Junyi Li 等人在 eTransportation 第 30 卷发表题为 Ultrasonic sensing-based cross-domain transfer learning framework for lithium-ion battery 的研究，提出面向锂离子电池的超声传感跨域迁移学习框架。
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。
eTransportation精选AI 评分5050 可扩展多源老化耦合框架用于锂离子电池高保真电化学与热建模
Haoran Lu 等提出一种可扩展的多源老化耦合框架，用于锂离子电池的高保真电化学与热建模。该框架将多源老化信息与电化学、热模型耦合，论文发表于 eTransportation 第 30 卷，作者为 Haoran Lu、Lance Zhao、Luke Hu、Zhe Li。
推荐理由：该框架把多源老化数据与电化学热模型耦合，为高保真电池建模提供可扩展路径。
GitHub·电池与能源 Agent 工具AI 评分5050 grid-scout：基于 GitHub 全栈的德国电力市场自运行预测与电池套利回测
sutheimernico/grid-scout 在 GitHub 全栈（Actions + Pages + Issues，无服务器）上运行德国电力市场自运行智能系统，LightGBM 日前电价预测 MAE 15.25 €/MWh，较朴素基线提升 44%。
GitHub·电池与能源 Agent 工具AI 评分3838 BatICM/battery-paper-agent-deepseek：用 DeepSeek API 生成电池管理论文中文日报
GitHub 项目 battery-paper-agent-deepseek 发布，改用 DeepSeek API 替代 OpenAI API，定时检索 arXiv、OpenAlex、Crossref、Semantic Scholar 上 BMS、SOC、SOH、RUL 等方向的论文并生成中文 HTML 日报。
Journal of Energy StorageAI 评分2121 面向可解释与可泛化 SOH 估计的退化感知双向 LSTM 网络
一项发表于 Journal of Energy Storage 的研究提出退化感知双向 LSTM 网络，用于可解释且可泛化的电池 SOH 估计。作者为 Safa Ben Atitallah、Imen Jarraya、Maha Driss 和 Wadii Boulila，该方法将退化信息融入双向 LSTM 建模。
Journal of Energy Storage精选AI 评分6060 物理引导 Transformer 用于真实电动汽车 SOH 鲁棒估计
Journal of Energy Storage 第 182 卷 Part D 刊出 Lijin Guo、Yuhang Li、Wanting Zhang 的研究，提出一种物理引导 Transformer，用于真实电动汽车场景下的 SOH 鲁棒估计。该文发表于 2026 年 12 月 30 日，目前仅提供摘要信息。
推荐理由：面向真实电动汽车工况的 SOH 估计，物理引导与 Transformer 结合，可关注其在实车数据上的鲁棒性设计。
Nature CommunicationsAI 评分1818 用物理感知机器学习生成高保真微结构
一项发表于 Nature Communications 的研究利用物理感知 AI 生成超出既有数据分布的高保真微结构，得到双峰晶粒结构，从而同时提升强度与塑性。
PyBaMM Releases精选AI 评分7878 PyBaMM 26.9.0.0 发布：Symbol 改用 slots、新增非结构网格 DFN 与模型库
PyBaMM 发布 26.9.0.0，Symbol 改用 slots，第三方 Symbol 子类必须声明 __slots__，模型检查改由 BaseModel.variables_matching_keys 比较变量身份，并要求 pybammsolvers>=0.10.0，CasADi 固定版本从 3.7.2 升至 3.8.1。
推荐理由：PyBaMM 26.9.0.0 的破坏性变更与迁移指引集中在一处，便于依赖该库的建模与仿真工作评估升级成本。
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。
Advanced Energy MaterialsAI 评分2929 氟化调控共价有机框架界面层实现无枝晶锂金属电池中 LiF 含量可控
该研究提出氟化梯度设计策略，通过 0F-、2F-、4F-COF 人工 SEI 层调控锂金属电池 SEI 中的 LiF 含量。
Advanced Materials精选AI 评分6262 脱溶剂动力学主导石墨负极中碳酸丙烯酯共嵌入
研究通过系统筛选商用石墨、PC 基电解液与聚合物粘结剂，表明石墨中的溶剂共嵌入是恒流极化下常规 Li+ 嵌入与溶剂辅助嵌入竞争的系统级动力学结果。作者提出最低可达电位 P_LA 这一半定量操作描述符，用于刻画石墨-电解液体系在给定测试条件下被极化到 PC 共嵌入占主导之前的程度。
推荐理由：原文提出最低可达电位描述符，把溶剂化、界面化学与工况统一到同一动力学框架中解释 PC 共嵌入。
arXiv · battery（eess.SY 系统与控制）AI 评分4242 基于排序可行集约束的可重构电池混合整数 MPC 组合冗余削减
针对混合整数 MPC 在多个相似单元中选优时分支定界难以在单个采样周期内证明最优的问题，研究者提出基于排序的可行集约束方法，按适用性评分排序并只允许排名靠前的电芯投入工作，使每阶段可选组合数由组合级降为线性增长。
arXiv · battery（eess.SY 系统与控制）精选AI 评分6060 面向退化感知电池调度的安全滚动时域混合整数可微预测控制
作者提出一种面向住宅电池储能调度的安全滚动时域混合整数可微预测控制方法，结合神经网络速度与递归可行性保证，并引入实时 SOC 反馈与正弦时刻条件，实现每个时间步闭环重规划而无需重解混合整数规划。
推荐理由：面向住宅储能调度的退化感知控制方法，用可微雨流计数层把循环老化物理嵌入策略训练，并给出递归可行性保证。
Advanced Energy MaterialsAI 评分2424 氟化物驱动的界面工程：为高性能无枝晶锂金属电池构建功能层
金属氟化物（MₓFᵧ）通过与 Li 反应生成含 LiF 的稳定界面层，可调控 Li⁺ 通量并促进均匀沉积，从而实现无枝晶、高容量锂金属负极。该综述系统梳理了 MₓFᵧ 在人工 SEI、亲锂 3D 宿主、隔膜修饰层和电解液添加剂中的应用，并讨论了软包电芯层面的实际性能与商业化前景。