面向锂电池 SOH 估计的联邦对比表征学习框架
研究提出健康感知联邦对比表征学习框架，用于锂电池 SOH 的泛化估计，成果发表于 Journal of Energy Storage 第 182 卷 Part F。作者为 Kangmin Li、Zhaofeng Luo、Ni Lin、Jiahao Li 和 Yao Zhang。
#SOH/SOC估计
#SOH/SOC估计
今日 1 条Journal of Energy StorageAI 评分4747 Journal of Energy StorageAI 评分4242 混合时频与跨变量交互 Mamba 网络用于锂电池 SOC 精确估计
研究提出一种混合时频与跨变量交互 Mamba 网络，用于锂电池 SOC 精确估计。该方法结合时频域特征与跨变量交互建模，发表于 Journal of Energy Storage 第 182 卷 Part F，作者为 Bo Liu、Guangyu Liu、Ling Zhu。
Journal of Energy Storage精选AI 评分5555 双Weibull物理启发模型实现扰动响应式在线SOH估计与解析拐点跟踪
Jiaqi Yu、Yanjie Guo、Wenjie Zhang 在 Journal of Energy Storage 提出双 Weibull 物理启发模型，用于扰动响应式在线锂离子电池 SOH 估计与解析拐点跟踪。该工作将拐点跟踪纳入解析框架，面向扰动工况下的在线估计需求。论文发表于 Volume 182, Part F，出版日期为 2026 年 12 月 30 日。
推荐理由：提出双Weibull物理启发模型，在扰动工况下同时做在线SOH估计与解析拐点跟踪，可供拐点建模方法参考。
EnergyAI 评分4242 基于反馈的在线交替更新框架用于锂离子电池参数辨识与SOC估计
研究者提出一种带反馈的在线交替更新框架，用于锂离子电池参数辨识与荷电状态（SOC）估计。该框架通过交替更新机制实现参数与状态的联合在线估计，并引入反馈环节提升估计精度。相关成果发表于 Energy 第366卷。
Applied Energy精选AI 评分5858 Token化电池老化：物理信息与不确定性感知的SOH估计框架
Shan Huang 等人在 Applied Energy 提出一种物理信息且不确定性感知的 SOH 估计框架，将电池老化过程进行 token 化建模。作者为 Jinyang Jiao、Hao Li、Jing Lin，论文发表于 Volume 427 Part D。
推荐理由：该框架把电池老化信号做 token 化并引入物理约束与不确定性量化，为 SOH 估计提供了一条可迁移的建模思路。
Applied EnergyAI 评分4747 锂离子与半固态电池跨温度域 SOC 预测迁移研究
Applied Energy 刊发研究，提出一种跨温度域可迁移的 SOC 预测方法，适用于锂离子电池与半固态电池。作者为 Jiakai Li、Zixin Guo、Chaofan Li 等。
Applied EnergyAI 评分4040 自适应死区双滑模观测器实现可靠的基于电化学模型的 SOC 估计
研究提出一种自适应死区双滑模观测器，用于基于电化学模型的 SOC 可靠估计。该方法由 Guangdi Hu、Keyi Liao、Jian Ye、Feng Guo 完成，发表于 Applied Energy 第 427 卷 Part D。
arXiv · battery（eess.SY 系统与控制）精选AI 评分6060 滤波增强强化学习实现 SOH 与析锂感知的电池快充
作者提出基于 TD3 的滤波增强强化学习框架，用于兼顾健康状态的锂电池快充，奖励函数结合 SOH 信息与源自恒流恒压过电位策略的 SOH 相关电压惩罚项。针对车载 SOH 估计噪声，框架在噪声统计未知时用 EMA 滤波、已知时用 Kalman 滤波，并将滤波估计同时嵌入智能体状态与奖励计算。
推荐理由：在 LG M50 电芯参数化下，该工作把带噪 SOH 估计经 EMA 或 Kalman 滤波后嵌入 TD3 的状态与奖励，量化了噪声对快充寿命收益的影响。
关键词流·SOX 与寿命预测AI 评分4040 双指数模型结合物理信息神经网络用于电池健康状态预测
研究将双指数模型与物理信息神经网络（PINN）结合，用于锂离子电池健康状态（SOH）预测。正文以参考文献形式梳理了SOH与剩余使用寿命（RUL）估计方法、LSTM/Transformer等数据驱动模型及PINN在电池建模与SOH估计中的已有工作。
关键词流·SOX 与寿命预测AI 评分4848 机器学习 SOC 估计的泛化鸿沟：基准精度不等于现场精度
一篇观点文章指出，深度学习 SOC 估计（前馈网络、LSTM 及其变体）报告的精度多在训练同分布的驾驶循环、温度和电芯上测得，而实际 BMS 需面对未见过的电芯、温度与使用模式。文章基于 Kalman 滤波工作、深度学习 SOC 文献及显式测试跨工况性能的迁移学习研究，界定该泛化问题并提出报告与设计实践建议。
关键词流·BMS 与电池智能算法AI 评分3232 NASA 锂电池数据集机器学习 SOH 估计评估设计与报告：开放获取研究的系统性元研究综述
一项针对使用 NASA PCoE 锂电池数据集的机器学习 SOH 估计研究，发布了预注册的系统性元研究综述方案（v1.2，2026年10月14日），审查其评估设计与指标报告。
关键词流·SOX 与寿命预测AI 评分2424 AI 驱动的锂离子电池健康预测：SOC、SOH 与 RUL 估计技术综述
这篇综述梳理了基于 AI 与深度学习的锂离子电池 SOC、SOH 和 RUL 预测方法，重点覆盖 transformer 网络、自编码器潜变量建模、神经基展开、注意力机制及混合优化框架。文章指出传统电化学与经验方法难以刻画非线性衰减、工况不确定性和动态环境波动，并给出优化辅助框架、混合物理信息学习与可解释 AI（XAI）等未来方向，以支撑可靠的 BMS 方案。
关键词流·SOX 与寿命预测AI 评分5858 基于双Weibull物理启发模型的扰动响应式在线SOH估计与拐点跟踪
该研究提出一种双Weibull物理启发模型，用于锂离子电池的扰动响应式在线SOH估计，并实现解析式拐点跟踪。原文仅提供标题，未给出电芯体系、数据集、精度指标或代码获取方式等具体信息。
关键词流·SOX 与寿命预测AI 评分4040 锂离子电池 SOH 预测深度时序模型对比研究
一项对比研究评估了 LSTM、TCN、Transformer 等深度时序模型在锂离子电池 SOH 预测中的表现，并引用 Severson、NASA PCoE、CALCE 等公开数据集与代码库作为基准。研究梳理了从 EKF 到 PatchTST 的 SOH 估计方法演进，涉及增量容量与迁移学习等技术路线。
Journal of Energy Storage精选AI 评分5858 频率解耦动态图学习结合老化先验用于锂电池SOH鲁棒估计
Yiming Wang、Han Liu、Haiqiang Yang 在 Journal of Energy Storage 提出频率解耦动态图学习方法，并引入老化先验，用于锂电池健康状态（SOH）的鲁棒估计。该方法针对工况变化下的估计稳定性设计，论文发表于 Volume 182, Part F。
推荐理由：针对SOH估计中工况变化导致的精度下降，提出频率解耦动态图学习并引入老化先验，为提升跨工况鲁棒性提供可迁移思路。
Journal of Energy Storage精选AI 评分6161 物理信息学习建模锂离子电池健康感知等效电路参数演化
Journal of Energy Storage 第 182 卷 Part F 刊出 Tianyi Zhang 等人的研究，提出用物理信息学习刻画锂离子电池健康感知的等效电路参数演化。作者包括 Hang Yu、Yulong Yu、Yifan Wang、Jin Wang、Lei Chen，论文于 2026 年 12 月 30 日出版。
推荐理由：该工作把物理信息学习用于等效电路参数随健康状态的演化建模，为 SOH 估计提供了一条可迁移的参数跟踪思路。
Journal of Power Sources精选AI 评分6262 面向随机负载的物理信息贝叶斯连续时间 SOH 估计方法
Yuefeng Liu 等人提出一种物理信息贝叶斯连续时间方法，用于随机负载下锂离子电池的 SOH 估计，论文发表于 Journal of Power Sources 第 698 卷。作者署名为 Yuefeng Liu、Ziyu Yang、Ning Yang，出版日期为 2027 年 1 月 15 日。目前 feed 仅提供摘要信息。
推荐理由：针对随机负载下 SOH 估计易受工况波动影响的问题，该工作把物理约束与贝叶斯连续时间建模结合，可供做在线估计的研究者参考其不确定性处理思路。
Applied EnergyAI 评分4040 基于变分贝叶斯的多神经网络电池 SOC 估计方法
一项发表于 Applied Energy 的研究提出基于变分贝叶斯的多神经网络方法用于电池 SOC 估计，作者为 Jiaxiang Zhao、Guo-Ping Liu、Jinqiang Cui 和 Jiankun Yang。该方法将变分贝叶斯与多神经网络结合，相关成果刊于该刊 Volume 427 Part D。
关键词流·SOX 与寿命预测AI 评分2626 尼日利亚 Edo State Usen 社区 Solar PV–Biomass–Diesel 混合微电网的最优电池容量、SOC 管理与可靠性研究
针对尼日利亚 Usen 社区的 Solar PV–Biomass–Diesel 混合微电网，该研究用 8760 小时合成数据与 Firefly 启发式搜索评估 100–550 kWh 候选电池容量。
关键词流·SOX 与寿命预测AI 评分2626 尼日利亚 Edo State Usen 社区 Solar PV–Biomass–Diesel 混合微电网的最优电池容量、SOC 管理与可靠性研究
针对尼日利亚 Usen 社区的 Solar PV–Biomass–Diesel 混合微电网，该研究用 8760 小时合成数据与 Firefly 启发式搜索评估 100–550 kWh 候选电池容量。
Journal of Energy Storage精选AI 评分6060 Uni-Mamba：基于域自适应状态空间模型的跨材料跨工况电池 SOH 估计统一框架
作者提出 Uni-Mamba，一个通过域自适应状态空间模型实现跨材料与跨工况电池 SOH 估计的统一框架。
推荐理由：该框架用域自适应状态空间模型统一处理跨材料与跨工况的 SOH 估计，为多体系迁移建模提供了一条可参考的技术路线。
Journal of Energy StorageAI 评分4444 基于化学感知多健康指标与缺失感知集成的锂离子电池鲁棒部分窗口 SOH 估计
研究提出一种面向锂离子电池的鲁棒部分窗口 SOH 估计方法，结合化学感知多健康指标与缺失感知集成策略。该方法针对部分充电窗口下数据缺失场景，提升健康状态估计的鲁棒性，成果发表于 Journal of Energy Storage。
Journal of Energy Storage精选AI 评分6262 物理一致性神经网络实现锂离子电池 SOH 估计的跨域可迁移小样本学习
Xiaojia Luo、Guangzhong Dong、Ziheng Li、Yunjiang Lou 在 Journal of Energy Storage 第 182 卷第 E 部分提出一种物理一致性神经网络，用于锂离子电池健康状态（SOH）估计的跨域可迁移小样本学习。该工作发表于 2026 年 12 月 30 日，摘要未提供具体数据集、误差指标与代码获取方式。
推荐理由：该工作把物理一致性约束引入跨域小样本 SOH 估计，为少标注数据下的跨体系迁移提供了一种可借鉴的建模思路。
Journal of Energy StorageAI 评分4242 掩码增强深度学习框架：分布偏移下锂电池 SOC 鲁棒估计
一种掩码增强深度学习框架被提出，用于分布偏移条件下锂离子电池 SOC 的鲁棒估计，成果发表于 Journal of Energy Storage 第 182 卷 Part F。
Journal of Energy StorageAI 评分4242 自适应全向特征交互网络用于锂离子电池 SOH 预测
一种自适应全向特征交互网络被提出用于锂离子电池 SOH 预测，相关研究发表于 Journal of Energy Storage 第 182 卷 Part F，作者为 Changbao Wen、Zhiqing Zhang 与 Yu Dai。
Journal of Energy StorageAI 评分4242 面向跨域锂离子电池 SOH 估计的分布感知多源域自适应
研究提出一种分布感知多源域自适应方法，用于跨域锂离子电池 SOH 估计，作者为 Jiahuan Lu、Jianfu Ma、Yuhang Xu、Quanqing Yu、Chun Wang，成果发表于 Journal of Energy Storage 第 182 卷 Part F。
Journal of Energy StorageAI 评分4141 锂离子电池组 SOC 与 SOH 协同估计：GRU 增强的自适应双扩展卡尔曼滤波方法
针对锂离子电池组，研究提出一种由 GRU 增强的自适应双扩展卡尔曼滤波方法，实现荷电状态（SOC）与健康状态（SOH）的协同估计。该方法通过自适应调节机制与 GRU 网络结合，提升双扩展卡尔曼滤波在电池组状态估计中的精度。相关成果发表于 Journal of Energy Storage。
Applied Energy精选AI 评分5353 面向液态金属电池的再生感知碎片化数据在线SOH估计框架
研究提出一种再生感知的在线SOH估计框架，用于液态金属电池在数据碎片化条件下的健康状态估计。作者为Jiaqi Qu、Mengzhao Fang、Xiaogang Wu等，成果发表于Applied Energy第427卷Part D，出版日期为2027年1月。摘要未提供具体方法与实验数据。
推荐理由：针对液态金属电池再生导致的数据碎片化问题，提出再生感知的在线SOH估计框架，为特殊体系的状态估计提供可迁移思路。
关键词流·SOX 与寿命预测AI 评分6262 面向高SOC充电片段的序列条件物理信息神经网络用于锂电池SOH估计
该研究提出一种序列条件物理信息神经网络，利用高荷电状态下的充电片段估计锂离子电池健康状态（SOH）。
关键词流·SOX 与寿命预测AI 评分6262 面向随机负载的锂离子电池 SOH 估计：物理信息贝叶斯连续时间方法
该研究提出一种物理信息贝叶斯连续时间方法，用于随机负载工况下的锂离子电池健康状态（SOH）估计。原文仅提供标题，摘要与具体结果未获取。
关键词流·SOX 与寿命预测AI 评分3030 NASA SOH 短窗口估计研究工件 v0.3.1 发布
研究工件 nasa-soh-short-window-esp32-v0.3.1-evidence-v3 发布，澄清了 Arduino 依赖准备流程与 P07 文献记录的历史范围，并更新了引用元数据与 SHA-256 发布清单。完整性校验显示 155/155 条清单条目全部通过，压缩包大小 2.5 MB。
Energy精选AI 评分5555 注意力引导残差块物理信息神经网络用于锂离子电池可解释SOH估计
Delong Zheng 等人提出一种注意力引导残差块结构的物理信息神经网络，用于锂离子电池健康状态（SOH）的可解释估计，论文发表于 Energy 第 365 卷。作者信息与摘要显示该方法将注意力机制与残差块结合并嵌入物理信息约束，具体精度与实验数据未在 feed 摘要中给出。
推荐理由：提出注意力引导残差块的物理信息神经网络用于SOH估计，为可解释性建模提供了一种结构设计思路。
关键词流·SOX 与寿命预测AI 评分4040 基于EIS的锂电池SOH估计退化模式发现数据集发布
罗马 Sapienza 大学发布数据集，基于 Zhang et al. (2020) 公开的 45 mAh LiCoO₂/石墨纽扣电池 EIS 测量数据，将 4 个电芯（25C04、25C06、25C07、25C08）循环至 EOL，在充放电循环的 9 个状态记录 EIS 谱。
关键词流·SOX 与寿命预测AI 评分6262 物理一致性神经网络实现锂离子电池 SOH 跨域可迁移小样本估计
该研究提出一种物理一致性神经网络，用于锂离子电池健康状态（SOH）估计，并实现跨域可迁移的小样本学习。原文仅提供标题，未给出具体数据集、精度数字或代码获取方式。
Journal of Energy StorageAI 评分4747 锂离子电池健康状态与剩余使用寿命联合估计的循环内与循环间联合建模
一项发表于 Journal of Energy Storage 的研究提出循环内与循环间联合建模方法，用于锂离子电池健康状态（SOH）与剩余使用寿命（RUL）的协同估计。作者为 Qiang Zheng、Yuting Zhang、Chao Li、Yang Lu、Boyuan Yang。
GitHub·电池与能源 Agent 工具AI 评分2222 基于 NASA 锂电池数据集的 LSTM + 混合检索 RAG 最小 Agent：battery-soh-rag-agent
该项目把 LSTM 时序预测与混合检索 RAG 封装为具备任务规划、工具调用和会话记忆的最小 Agent，基于 NASA B0005 数据以 time_step=5 的 LSTM 预测容量与 SOH，检索侧用 BM25 + FAISS 双路召回并经 BGE CrossEncoder 重排。
Computers & Chemical Engineering精选AI 评分5858 半监督贝叶斯学习实现有限标签下的锂电池 SOH 估计与不确定性量化
Yuheng Du 等人提出一种带不确定性量化的半监督贝叶斯学习方法，用于标签数据有限条件下的锂电池健康状态（SOH）可靠估计。该方法面向标注样本稀缺场景，通过半监督学习利用未标注数据，并给出预测的不确定性量化。研究发表于 Computers & Chemical Engineering 第 216 卷。
推荐理由：针对标签数据稀缺场景，提出半监督贝叶斯学习并给出 SOH 估计的不确定性量化，可迁移到其他小样本回归任务。
Renewable and Sustainable Energy ReviewsAI 评分4545 数据驱动 EIS 方法用于锂离子电池 SoH 与 RUL 估计的综合综述
一篇发表于 Renewable and Sustainable Energy Reviews 的综述系统梳理了数据驱动的电化学阻抗谱（EIS）方法在锂离子电池健康状态（SoH）与剩余使用寿命（RUL）估计中的应用。
Energy Storage Materials精选AI 评分6262 电压传感器失效下 LFP 电池的电化学约束容错状态估计
针对平板状 LFP 电池电压平台平坦、电压传感器失效时状态估计困难的问题，作者提出一种电化学约束的容错状态估计方法。该工作发表于 Energy Storage Materials 第 91 卷，作者包括 Feng Guo、Luis D. Couto、Hamid Hamed 等。摘要未提供具体实验数据与精度指标。
推荐理由：针对 LFP 电压平台平坦、电压传感器失效场景，提出电化学约束的容错状态估计思路，可供 BMS 状态估计研究参考。
Journal of Energy StorageAI 评分4040 基于领域知识引导灰狼优化随机森林的 SOC 估计框架，适应动态热与负载工况
一项发表于 Journal of Energy Storage 的研究提出领域知识引导的灰狼优化随机森林框架，用于动态热与负载条件下的 SOC 估计。作者为 Özge Pınar Akkaş，论文收录于该刊第 182 卷第 E 部分。