跳到正文

全部动态

今日 13 条
10月21日周三
  1. 关键词流·SOX 与寿命预测28

    基于特征驱动的机器学习框架：实现锂离子电池 RUL 的高精度与低算力预测

    一项基于 NASA 电池老化数据集的特征驱动机器学习框架，仅用最大放电电压和最小充电电压两个特征训练 kNN、SVR 和 RF 三种回归模型，其中 RF 表现最佳，R² 达 0.9421、RMSE 为 77.47。kNN 在保持相近精度的同时训练时间更短，SVR 精度较低且计算成本更高。该框架在独立电池数据集上验证，预测 RUL 与观测老化趋势吻合，适用于电动汽车实时电池健康监测。

  3. Zenodo · battery 数据与软件22

    TREASoURcE 发布电动汽车电池关键价值链复制手册合集

    TREASoURcE 项目在 Zenodo 发布 v1 版《复制手册》，汇集电动汽车电池关键价值链系列文章，共 14 位作者参与。手册包含 23 份 PDF 文件，覆盖二次利用电池储能安装、退役电池梯次利用判定、数字孪生电池管理及循环经济政策等主题，并附波罗的海国家、芬兰、挪威等地区案例。

  6. 关键词流·BMS 与电池智能算法60

    HBTU 发布锂电管理AI方法对比的数据与代码

    印度 Harcourt Butler Technical University 的 Adarsh Kumar Arya 在 Zenodo 发布一套数据与代码，用于对比数据驱动、物理信息与迁移或预训练模型在锂离子电池管理中的表现。

    推荐理由：该数据集公开了133篇纳入研究的编码表与31个SOH误差值，便于复现数据驱动、物理信息与预训练模型的横向对比。

  7. 关键词流·BMS 与电池智能算法25

    基于MRAC的自适应控制策略与电池管理系统研究

    一项研究提出基于模型参考自适应控制（MRAC）的自适应负载管理框架，用于改善电网不稳定地区逆变器供电系统中的电池衰减问题。仿真显示MRAC在2.5秒内稳定、超调低于5%，优于超调25%、稳定时间4秒的PID控制；充电效率从90%提升至峰值0.98，放电效率达0.96，10年容量保持率提升至81.75%。

  8. 关键词流·BMS 与电池智能算法22

    基于 ANFIS 的印尼并网光伏-电池混合系统能量管理

    印尼研究团队为并网光伏-电池混合系统设计了基于 ANFIS 的能量管理系统，以 PV 功率、负荷功率和电池 SOC 为输入生成电池参考功率，用约 1600 组数据训练、30% 用于测试，最终 RMS 误差为 0.0589。三种仿真场景显示该系统可维持功率平衡、防止电池过充与深放电，并将 SOC 稳定在 30–80% 区间。

  21. Journal of Energy Storage58

    物理约束长时程SOH预测方法引入显式恢复校正

    Journal of Energy Storage 第183卷Part A刊出Hongtao Pu等的研究，提出一种物理约束的长时程锂离子电池SOH预测方法，并加入显式恢复校正环节。当前仅见标题与作者信息，摘要正文未提供，方法细节与验证结果尚不可知。

    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实验结论，暂不展示推荐理由。

  26. Energy42

    液氮抑制NCM与LFP锂离子电池热失控的化学体系相关边界与沸腾换热动态

    研究考察液氮对NCM与LFP锂离子电池热失控的抑制效果，指出抑制边界随电芯化学体系不同而变化，并分析其中的沸腾换热动态。作者为Zonghou Huang、Quantao Su、Peng Qin、Dongfang Zhao、Qiangling Duan，论文发表于Energy第366卷。

    推荐理由：材料对比液氮对NCM与LFP热失控的抑制边界，并讨论沸腾换热动态，为不同化学体系的热安全设计提供依据。

  32. Journal of The Electrochemical Society62

    基于颗粒的一维模型用于锂离子电池电极优化

    作者提出一种基于颗粒的一维模型，将三维第一性原理模型中颗粒尺度的固相扩散降为0D描述，用形貌相关的形状函数刻画表面浓度演化，多孔电极层则用均匀化有效输运参数。模型参数全部来自µ-CT重构与GITT、EIS、PGSE-NMR、van der Pauw等实验，无需经验拟合。

    推荐理由：作者把三维第一性原理模型降阶为基于真实颗粒形貌的一维模型，并用石墨半电池实测验证其电压预测精度。

  35. Applied Energy52

    基于随机局部充电片段的锂离子电池 SOH 估计：可靠性感知局部-全局融合框架

    Chuanpu Zhang 等提出一种可靠性感知的局部-全局融合框架，用于从随机局部充电片段估计锂离子电池 SOH，论文发表于 Applied Energy 第 427 卷 Part E。摘要未给出数据集、电芯数量与误差指标等具体结果。

    推荐理由：针对随机局部充电片段难以稳定估计 SOH 的问题，该框架用可靠性感知的局部与全局融合思路，为碎片化充电场景提供可迁移的方法参考。

  38. Applied Energy23

    建筑集群、充电集群与微电网园区协同框架：能源、碳配额与绿证协调共享

    针对建筑集群、充电集群与微电网园区，研究者提出一种协同框架，实现能源、碳配额与绿电证书的协调共享。该框架将三类主体纳入统一协调机制，通过共享能源与碳配额、绿证来提升整体运行效益。论文发表于 Applied Energy 第 427 卷 Part E，作者为 Shiting Cui、Wenqiang Tao、Zuogang Guo、Jun Wu、Hongkun Chen。

  40. Zenodo · battery 数据与软件48

    电价分辨率切换预测研究 MR-2P 的复现包在 Zenodo 发布

    西班牙萨拉曼卡大学与 AIR Institute 在 Zenodo 发布研究《Forecasting electricity prices after a resolution change: coherent probabilistic forecasts and storage value》的复现包，版本 v1。

    推荐理由：该复现包公开了电价分辨率切换下 MR-2P 预测器的代码、锁定环境与预注册记录，可供储能价值评估研究复用。