以动态轨道引导的物理启发老化建模用于电池健康预测
该研究提出一种由动态轨道引导的物理启发老化建模方法，用于电池健康预测。材料仅提供标题，未给出电芯体系、数据集、精度指标或代码获取方式。
#SOH/SOC估计
#SOH/SOC估计
今日 1 条关键词流·BMS 与电池智能算法精选AI 评分5252 关键词流·SOX 与寿命预测精选AI 评分5252 考虑SOC依赖的锂离子电池SOH估计域适应方法
该研究提出一种考虑荷电状态依赖的锂离子电池SOH估计域适应方法，针对不同SOC条件下SOH估计的域偏移问题。原文仅提供标题，摘要与实验细节未获取。
关键词流·SOX 与寿命预测AI 评分4242 基于 FiLM Transformer 网络的温度感知电池 SOH 估计
该工作提出基于 FiLM Transformer 网络的温度感知电池 SOH 估计方法，标题显示其将温度因素纳入 Transformer 建模框架。材料仅提供标题，摘要无法进一步展开方法与结果细节。
Journal of Power Sources精选AI 评分5252 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。
Zenodo · battery 数据与软件精选AI 评分5858 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。
Journal of Energy Storage精选AI 评分4242 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。
Journal of Energy Storage精选AI 评分5858 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。
关键词流·BMS 与电池智能算法AI 评分4040 基于自适应物理信息神经网络的锂离子电池SOH估计
该研究提出基于自适应物理信息神经网络的锂离子电池SOH估计方法。原文仅提供参考文献列表，未给出数据集、误差指标或实验对比等具体结果，方法细节需查阅论文全文。
关键词流·BMS 与电池智能算法AI 评分2626 基于太阳能板与ANN的BMS在边境界桩监测中的实现
印尼研究团队在太阳能供电的边境界桩监测系统中部署BMS，并用ANN估计电池SOC，平均估计误差4.86%，优于传统电压法的12.16%。系统由太阳能板、SCC、4S 15 Ah电池、INA219传感器、ESP32和LoRa模块组成，供电效率达68.4%，无太阳能充电时可连续供电约9.6天。
关键词流·BMS 与电池智能算法精选AI 评分5252 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。
关键词流·BMS 与电池智能算法AI 评分3838 基于Tabular Prior-data Fitted Network的老化信息引导锂离子电池SOH估计
该研究提出一种老化信息引导的锂离子电池SOH估计方法，采用Tabular Prior-data Fitted Network建模。原文仅提供标题，未给出数据集、精度指标或代码获取方式。
关键词流·SOX 与寿命预测AI 评分3838 基于参考归一化局部放电时间特征的跨电池锂离子电池 SOH 估计
该研究提出基于参考归一化局部放电时间特征的跨电池锂离子电池 SOH 估计方法，标题显示其关注不同电芯之间的 SOH 估计迁移问题。材料仅提供标题，摘要无法进一步核实数据集、电芯体系与误差指标。
Applied Energy精选AI 评分4747 电化学引导的时频Transformer用于电池SOH估计
Hongyu Sun等提出电化学引导的时频Transformer，用于电池健康状态（SOH）估计，论文发表于Applied Energy第427卷第E部分。现有摘要未给出数据集、误差指标或代码获取方式。
关键词流·BMS 与电池智能算法AI 评分4242 电化学引导的时频 Transformer 用于电池 SOH 估计
该工作提出一种电化学引导的时频 Transformer，用于电池健康状态（SOH）估计。材料仅提供标题，未给出数据集、电芯体系、对比基线或误差指标等具体信息。
关键词流·BMS 与电池智能算法精选AI 评分6060 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。
关键词流·BMS 与电池智能算法AI 评分2525 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%。
关键词流·BMS 与电池智能算法AI 评分2222 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。
Journal of Energy Storage精选AI 评分5858 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。
Applied Energy精选AI 评分5252 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。
GitHub·电池与能源 Agent 工具AI 评分1515 AnishLtts/Agentic-Digital-Twin-Battery-Platform：电池 SOC 数字孪生 Agent 平台
GitHub 仓库 AnishLtts/Agentic-Digital-Twin-Battery-Platform 提供电池 SOC 数字孪生 Agent 平台，含 demo、models、outputs 三个目录及 requirements.txt。仓库未提供描述、话题标签或发布版本，当前为 1 star、0 fork。
关键词流·BMS 与电池智能算法AI 评分4040 基于随机局部充电片段与可靠性感知局部全局融合的锂离子电池SOH估计框架
该研究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健康状态（SOH）。
Energy精选AI 评分5252 自适应阈值触发时序加权模型数据融合用于宽温域 LFP 电池 SOC 估计
Zhao 等人提出一种自适应阈值触发的时序加权模型数据融合方法，用于 LFP 电池在宽温度范围内的 SOC 估计，论文发表于 Energy 第 366 卷。
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。
Zenodo · battery 数据与软件AI 评分2424 学生自制电芯测试台内阻误估：四线 Kelvin 探针将接触电阻与 SOH 分类可靠性关联的评估
毛里求斯大学研究指出，工程教育中学生自制的电芯测试台常用两线法测内阻，却未把探针-电极界面的接触电阻从电芯欧姆内阻中分离。敏感性分析显示，5 mΩ 接触电阻即可让 50 mΩ 电芯在单一基线参考下跨越 20% SOH 阈值。作者据此提出设计规则：采用接触电阻上限 ≤1 mΩ 的四线 Kelvin 探针并在每次测试前用校准分流器验证，可使 40 mΩ 以上电芯的分类误差低于 5%。
Journal of Energy Storage精选AI 评分6060 基于分数阶单粒子模型的物理引导学习框架用于电池SOH预测
Liping Chen 等人在 Journal of Energy Storage 提出一种基于分数阶单粒子模型的物理引导学习框架，用于电池健康状态（SOH）预测。该框架将分数阶单粒子模型与学习算法结合，具体精度与验证数据在摘要中未给出。
推荐理由：该工作把分数阶单粒子模型嵌入学习框架做SOH预测，为物理约束与数据驱动结合提供了一条可迁移的建模思路。
Journal of Power Sources精选AI 评分5555 原位光学监测硅碳负极化学机械衰减用于SOH估计
Jiayong Pan、Zhongbao Wei 等人在 Journal of Power Sources 第 698 卷发表研究，采用原位光学监测手段追踪硅碳负极电池的化学机械衰减，并据此进行 SOH 估计。材料仅为摘要，未给出具体电芯数量、实验协议与估计误差指标。
推荐理由：该工作把原位光学观测到的硅碳负极化学机械衰减特征用于SOH估计，为光学传感与健康状态估计的结合提供了一条可迁移思路。
Applied Energy精选AI 评分5555 基于嵌入式光纤多物理传感的物理约束状态空间模型用于电池SOC估计
Yuqian Fan 等人提出一种物理约束状态空间建模方法，利用嵌入式光纤多物理传感实现电池 SOC 估计，论文发表于 Applied Energy 第 427 卷第 E 部分。材料仅提供标题与作者信息，摘要未给出具体精度指标、电芯体系与实验条件。
推荐理由：该工作把嵌入式光纤多物理传感与物理约束状态空间模型结合，为SOC估计提供了一条引入内部测量量的建模路径。
GitHub·电池与能源 Agent 工具AI 评分2828 VoltTwin：用智能体数字孪生与反事实推理实现电动汽车电池自适应维护
VoltTwin 项目用 CNN 在 XJTU 数据集上做电池 SOH 估计基线，单个留出电芯上 MAE 0.015332、RMSE 0.021377。项目还计划构建软件电池数字孪生，用反事实推理比较不同维护场景，并由智能体决策流程给出维护建议。
Zenodo · battery 数据与软件AI 评分2424 学生自建光伏储能实验室的电池中期SOC估计精度：库仑计数与开路电压法的对比及其对选型裕度误差的影响
针对学生自建光伏储能实验室常用的库仑计数与OCV查表两种SOC估计方法，该研究将SOC估计建模为确定性动力系统，推导出中期SOC误差的闭式边界，并传播至电池选型能量平衡方程，给出估计器选择导致的选型裕度惩罚显式表达。
Journal of The Electrochemical SocietyAI 评分3535 基于多时间尺度特征增强的轻量化锂离子电池SOC估计模型
该研究提出一种基于多时间尺度特征增强的轻量化锂离子电池SOC估计模型，标题指向以多时间尺度特征增强提升SOC估计并控制模型体量，摘要与实验细节未获取。
关键词流·SOX 与寿命预测AI 评分2222 学生自制电芯测试台内阻误估：四线 Kelvin 探针评估将接触电阻与 SOH 分类可靠性关联
针对工程教育中学生自制电芯测试台常用两线法测内阻、却未分离探针-电极接触电阻的问题，该研究建立接触电阻与电芯欧姆电阻叠加的模型并做敏感性分析。结果显示，5 mΩ 接触电阻即可让 50 mΩ 电芯在单一基线参考下跨越 20% SOH 阈值。作者据此提出设计规则：采用接触电阻上限 1 mΩ 的四线 Kelvin 探针并每次用校准分流器验证，可使 40 mΩ 以上电芯的分类误差低于 5%。
关键词流·SOX 与寿命预测精选AI 评分7575 AI-Enabled Battery Management 数据集发布：94 条 BMS 经验参数与六项公开数据基准
该数据集整理了来自 23 篇 Battery University 文章的 94 条从业者 BMS 参数和 12 张参考表，涵盖 SOC/SOH 估计限值、均衡与保护阈值、充放电温度窗口、按化学体系的热失控起始温度等。
推荐理由：该数据集把 94 条从业者 BMS 经验参数与公开实测数据并排对照，并附六项 AI-for-BMS 实验的可复现代码。
关键词流·BMS 与电池智能算法AI 评分4242 融合SEI动力学的Koopman算子增强物理信息神经网络用于电池组稳定可解释SOH估计
该研究提出一种融合SEI动力学的Koopman算子增强物理信息神经网络，用于电池组的SOH估计，标题强调其在稳定性与可解释性方面的目标。材料仅提供标题，未给出具体数据集、精度数字或实验设置。
关键词流·多物理场模型精选AI 评分6262 基于嵌入式光纤多物理场传感的物理约束状态空间建模用于电池SOC估计
该研究提出一种物理约束状态空间建模方法，利用嵌入式光纤多物理场传感数据进行电池SOC估计。材料仅提供标题，摘要依据标题信息整理。
关键词流·SOX 与寿命预测AI 评分5858 基于分数阶单粒子模型的物理引导学习框架用于电池SOH预测
该工作提出一种基于分数阶单粒子模型的物理引导学习框架，用于电池健康状态（SOH）预测。原文仅提供标题，未给出模型细节、数据集、验证结果或代码获取方式。
关键词流·SOX 与寿命预测AI 评分4242 BiLSTM-ACKF 紧耦合框架实现锂离子电池高精度 SOC 估计
印度 VIT 团队提出 BiLSTM-ACKF 紧耦合框架，将 BiLSTM 输出重构为 SOC 标量伪测量，并用自适应协方差律与 cubature 点传播替代 EKF 线性化。
关键词流·SOX 与寿命预测AI 评分5858 基于原位光学监测硅碳负极化学-机械衰减的SOH估计方法
该研究提出用原位光学监测手段跟踪硅碳负极电池的化学-机械衰减，并据此进行SOH估计。原文仅提供标题，未给出实验条件、电芯数量与估计精度等细节。
关键词流·SOX 与寿命预测精选AI 评分5858 面向跨数据集 SOH 预测的抗噪差分热伏安特征
该研究提出面向跨数据集锂离子电池 SOH 预测的抗噪差分热伏安特征，标题指向以差分热伏安特征提升跨数据集 SOH 预测的噪声鲁棒性。材料仅提供标题，摘要依据标题信息，未涉及具体数据集、误差数字或代码获取方式。
关键词流·BMS 与电池智能算法AI 评分3838 集成热管理、状态估计与电芯均衡的电动汽车 BMS 效率框架
该论文提出一个集成框架，通过协同优化电池热管理策略、SoC/SoH 估计算法与自适应电芯均衡来提升 BMS 效率。作者综述了液冷、混合与 AI 热管理进展，将机器学习增强的 SoC/SoH 估计器与传统观测器对比，并提出分层控制架构以降低辅助能耗。仿真与实验基准显示，集成策略使热管理能耗降低 6–9%，SoC 估计 RMSE 降至 1.5% 以下，pack 级能量吞吐量较规则基线最高提升 8%。
关键词流·SOX 与寿命预测AI 评分6464 多时间尺度失效风险模型：SOH 消融揭示跨化学体系迁移的捷径
某团队将多时间尺度失效风险分类框架扩展为面向有效性的评测，覆盖树集成、GRU 分类器与离散时间风险模型，并新增来自两个实验室的 60 个 Battery Archive 电芯，合计六个实验室。
关键词流·BMS 与电池智能算法AI 评分5858 NASA PCoE 锂电池数据集上机器学习 SOH 估计的评测设计与报告方式：开放获取研究的系统性元研究综述数据与代码
该材料为一项系统性元研究综述配套的数据与代码，综述对象是开放获取研究中基于 NASA PCoE 锂电池数据集的机器学习 SOH 估计，关注其评测设计与报告方式。材料仅提供标题，正文未获取，具体纳入研究数量、编码框架与数据获取方式不明。