跳到正文

全部动态

今日 11 条
10月23日周五
  1. Zenodo · battery 数据与软件60

    零样本时序基础模型电池老化预测基准:泄漏感知多数据集评测与共形不确定性

    VSB - Technical University of Ostrava 在 Zenodo 发布 v1 版本,提出面向电池老化预测的零样本时序基础模型基准,强调泄漏感知的多数据集评测并引入共形不确定性。随附文件 Zenodo_code_and_results.zip(49.4 kB)提供代码与结果,可直接下载。

    推荐理由:该基准在多数据集上考察零样本时序基础模型的老化预测,并处理数据泄漏与共形不确定性,可作为方法比较的参照。

  2. 关键词流·SOX 与寿命预测38

    广西大学团队提出融合电化学物理信息的双分支 CNN 用于锂电池 RUL 预测

    广西大学团队提出一种基于电化学物理信息的双分支卷积神经网络用于锂电池 RUL 预测,主分支为多尺度时间卷积、辅助分支为残差网络,并设计以退化特征为引导信号的信息引导通道注意力 IGCA。模型还引入融合电化学退化规律与库仑效率的物理约束损失函数,使预测与电池退化的物理演化更一致。实验显示该方法在 CALCE 数据集上 RMSE 为 1.57%–2.12%,在 XJTU 数据集上表现出较好适用性。

  3. Renewable Energy25

    面向集成电动汽车与相关随机充电的净/近零能耗建筑的可再生能源与储能系统:不确定性感知多目标优化与动态分析

    研究针对集成电动汽车及随机充电负荷的净零/近零能耗建筑,提出可再生能源与储能系统的不确定性感知多目标优化方法并开展动态分析。作者为 Menglong Lu、Wanbin Dou、Yongjun Sun、Zhenjun Ma,成果发表于 Renewable Energy 第 278 卷。

  4. GitHub·电池与能源 Agent 工具50

    battery_fade 基准:用 Rust 预测车队电芯容量与更换周期

    battery_fade 是一个面向电池租赁车队的 Agent 基准任务,要求用 Rust 在离线 Cargo 项目中输出每个在役电池包的 capacity_pct 与 replace_cycle(低于铭牌 80% 时的循环数)。

    推荐理由:该基准用三个刻意设置的陷阱区分正确与错误建模路线,读者可据此了解电池容量估计中数据泄漏与分布外外推的常见失效模式。

10月22日周四
  1. Journal of Power Sources52

    FiLM Transformer 网络实现温度感知的电池 SOH 估计

    Pang 等人提出基于 FiLM Transformer 网络的温度感知电池 SOH 估计方法,论文发表于 Journal of Power Sources 第 699 卷。作者为 Zheyuan Pang、Lei Gao、Yuheng Gan、Zhengxiang Song,出版日期为 2027 年 1 月 30 日。当前仅提供题录信息,摘要正文未给出具体数据集、误差指标与实验结论。

  2. Zenodo · battery 数据与软件58

    高雄科大发布参考感知跨电芯 SOH 评估代码与派生数据 v1.0.1

    台湾高雄科技大学在 Zenodo 发布 v1.0.1 配套代码与逐行派生数据,对应论文《Do Partial Incremental Capacity Features Beat Holding the Last Measured Reference Capacity?

    推荐理由:该发布把论文所用的逐行派生数据与基线复现代码一并开放,便于对照 ZOH、LIN2 等参照策略重跑 34 个电芯的评估。

  3. 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。

  4. Journal of Energy Storage42

    基于表格先验拟合网络的退化信息引导锂离子电池SOH估计

    Journal of Energy Storage 第183卷Part A刊出Yao Cheng等人的研究,提出用Tabular Prior-data Fitted Network结合退化信息估计锂离子电池SOH。当前仅提供标题与作者信息,摘要正文未随feed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,无法提炼具体方法细节或结果,暂不展示推荐理由。

  5. 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。

  6. 关键词流·SOX 与寿命预测15

    超越电池性能:硅负极工程、预锂化策略与锂离子电池循环寿命优化的定性元综合

    一项定性元综合研究整合了硅负极工程、预锂化策略与循环寿命优化三条技术路线,DOI 为 10.5281/zenodo.23538527。该研究以元综合方法梳理硅负极在锂离子电池中的工程化路径与寿命提升手段,原文未披露具体电芯型号、参数规模或 benchmark 数据。

  7. 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。

  8. 关键词流·BMS 与电池智能算法38

    硫-三维石墨烯正极 Li-S 电池:从材料设计到 7S-2P 电池组飞行验证

    研究对比 2D 与 3D 石墨烯骨架,发现互联 3D 石墨烯对硫的限域更强、电荷转移动力学更快,面积容量更高、极化更低且循环更稳定。正极经卷对卷工艺从扣式电池放大到多层软包,容量由 300 mAh 扩至 3 Ah,电芯比能量超过 300 Wh/kg、电池组约 250 Wh/kg 并保持高倍率能力。

  9. 关键词流·BMS 与电池智能算法52

    HuberTV2:从噪声充电遥测中提取实车EV电池SOH趋势的物理信息滤波方法

    研究提出面向实车EV电池SOH评估的框架,其中HuberTV2将Huber损失、不规则时间二阶全变分正则与老化约束结合,从充电遥测中提取平滑且速率有界的高效能量代理轨迹。

    推荐理由:论文用39辆实车充电遥测对比四种平滑基线,并单独检验LLM评分与人工专家的一致性,可为实车SOH趋势提取提供方法参照。