跳到正文

全部动态

今日 11 条
9月30日周三
  1. eTransportation60

    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。

  2. Energy Conversion and Management20

    基于熵权–TOPSIS 的卡诺电池系统多目标优化设计

    研究针对卡诺电池系统开展多目标优化设计,采用熵权法与TOPSIS相结合的方法进行综合方案评价与优选。相关成果发表于 Energy Conversion and Management 第370卷,作者为 Beiran Hou、Minxia Li、Ce Zhang、Zijing Qin、Guiyang Dong、Chaobin Dang。

  3. eTransportation58

    基于非线性超声与 LSTM 深度学习的锂离子电池在线状态估计

    Santhakumar Sampath 等人提出用非线性超声测量结合 LSTM 深度学习模型实现锂离子电池在线状态估计,论文发表于 eTransportation 第 29 卷,出版日期为 2026 年 9 月。作者包括 Tam Van Huynh、Xuesong Yin、Zi Wen Tham、Andrew Ngo、Hoon Sohn 和 Lei Zhang。目前仅提供摘要信息。

    推荐理由:该工作把非线性超声测量与 LSTM 结合用于锂离子电池在线状态估计,为电化学之外的状态感知提供了一条可迁移的技术路线。

  4. Energy Storage Materials42

    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。

  5. eTransportation50

    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。

  6. Renewable and Sustainable Energy Reviews18

    面向 AI 能耗驱动的数据中心深地储能解决方案

    Renewable and Sustainable Energy Reviews 刊发综述,探讨面向 AI 能耗驱动的数据中心的深地储能解决方案,作者包括 Xilin Shi、Chenxi Wang、Hao Tian 等。文章聚焦地下储能路径如何应对人工智能带来的数据中心用电增长。

  7. eTransportation50

    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。

  8. eTransportation62

    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。

  9. eTransportation60

    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。

  10. Renewable and Sustainable Energy Reviews22

    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。