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。
#机器学习
#机器学习
今日 4 条关键词流·SOX 与寿命预测AI 评分3838 关键词流·多物理场模型精选AI 评分6262 面向分布式电池热模型的神经代理模型用于实际可辨识性分析与传感器布置
该研究提出一种神经代理模型，用于分布式电池热模型的实际可辨识性分析与传感器布置。原文仅提供标题，未给出方法细节、实验数据或结果。
Journal of Energy StorageAI 评分3434 CNN辅助液态金属电池电化学模型分步参数辨识
Ruochen Zhang 等人在 Journal of Energy Storage 第 183 卷 Part A 发表研究，提出用卷积神经网络辅助液态金属电池电化学模型的分步参数辨识。
Journal of Energy StorageAI 评分2121 基于生成对抗模仿学习的增程式电动汽车电池储能系统能量与热管理集成
针对增程式电动汽车电池储能系统，研究提出基于生成对抗模仿学习的能量与热管理集成方法。该方法将能量管理与热管理协同优化，作者包括Haoming Gao、Chao Sun等，成果发表于Journal of Energy Storage第183卷Part A。
Journal of Energy Storage精选AI 评分5555 领域知识特征引导标签稀缺条件下的电池衰减模式估计
Aihua Tang 等人在 Journal of Energy Storage 第 183 卷 Part A 发表研究，提出提取领域知识引导的特征，用于在标签稀缺条件下估计电池衰减模式。材料仅提供摘要，未给出具体方法细节、数据集与量化结果。
推荐理由：在标签稀缺条件下，该工作用领域知识构造特征来引导电池衰减模式估计，为少标注场景提供了一条可迁移的特征工程思路。
Advanced Energy Materials精选AI 评分6060 多晶与单晶 NCM811 复合正极中 SOC 失配驱动颗粒间内部锂离子转移并加速表面老化
研究以化学相同但动力学不同的多晶与单晶 NCM811 构建双峰模型体系，在电极层面系统调节颗粒间动力学失配。结果显示，非均匀反应动力学产生颗粒间 SOC 失配，形成电化学势梯度并驱动自发内部锂离子转移；该过程虽使颗粒 SOC 趋于同步，却伴随瞬态内部电流，导致更严重的表面老化，包括富有机物 CEI 生成与岩盐型表面重构。
推荐理由：该研究用多晶与单晶 NCM811 双峰模型证明，颗粒间 SOC 失配引发的内部锂离子转移会加速表面老化，为复合正极设计提供新视角。
Advanced Energy Materials精选AI 评分5858 研究揭示 Li6PS5Cl 受潮老化机理并提出氧辅助退火再生策略
研究利用同步辐射透射 X 射线显微、硬/软 X 射线吸收谱与高分辨 XRD 发现，argyrodite Li6PS5Cl 受潮后生成化学还原性相，这些相会从 Ni-rich NMC 正极夺取晶格氧，引发 Ni 还原、阳离子无序和向尖晶石类表面的不可逆重构。
推荐理由：该研究揭示硫化物固态电解质受潮后生成还原性相并夺取 NMC 正极晶格氧，为干房制造中的界面失效提供机理线索。
Advanced Energy MaterialsAI 评分3838 WO2Cl2 氧氯化策略在 LixMCl6 卤化物固态电解质中引入晶格氧并提升离子电导
研究提出以 WO2Cl2 驱动的通用氧氯化策略，将氧以 [WO2Cl4]2− 单元引入 LixMCl6（M = Zr、Y、Er、In）密堆积卤化物晶格。同步辐射 X 射线、深度分辨谱与拉曼测量确认氧的引入，第一性原理计算显示锚定氧通过丰富 Li 位点、削弱 Li–Cl 相互作用拉平 Li+ 迁移能垒，离子电导最高提升 2.7 倍。
Advanced Energy Materials精选AI 评分6060 弱溶剂化DMP基LHCE同时抑制锂金属腐蚀与正极氧化，延长锂金属电池日历寿命
研究提出以弱溶剂化醚溶剂1,2-dimethoxypropane（DMP）构建局部高浓度电解液（LHCE），同时抑制锂金属腐蚀与正极降解这两个相互关联、加速锂金属电池日历老化的过程。
Advanced Energy Materials精选AI 评分4848 痕量水诱导氧驱动结构重组，使2LiCl–GaF3卤化物固态电解质离子电导率提升两个数量级
研究发现，痕量水在2LiCl–GaF3中起到建设性作用：水提供氧，形成与Ga和Li配位的─OH/─OH2物种，使Ga配位由六配位转为四配位，并形成Ga–O与Li–O连接，从而降低平均Li–阴离子结合强度、平坦化Li离子迁移能垒。
Advanced Energy MaterialsAI 评分3838 机器学习原子间势在能源材料中的应用：架构、训练策略与验证
这篇综述系统梳理机器学习原子间势（MLIP）从描述符模型、带不确定性量化的高斯过程到等变图神经网络和大规模数据集训练的基础模型，指出 MLIP 可基于 DFT 数据实现 10^4–10^6 原子、纳秒尺度的原子模拟。
Advanced Energy MaterialsAI 评分3232 弱溶剂化电解液设计综述：面向低温锂电池的溶剂化结构与界面化学
该综述系统梳理弱溶剂化电解液（WSEs）的工作机制、结构设计策略与界面化学，指出其通过削弱 Li+ 配位、促进阴离子主导的溶剂化来加速去溶剂化与界面电荷转移，从而改善零下温度下的均匀锂沉积、无机富集 SEI 与稳定循环。文章还讨论了高浓度与局部高浓度电解液因黏度过高和 Li+-溶剂结合过强而限制低温动力学的不足，并提出定量溶剂化-性能关联、数据驱动电解液设计、界面诊断与可扩展性等未来方向。
Advanced Energy MaterialsAI 评分3838 机器学习原子间势在能源材料中的架构、训练策略与应用综述
Chang Woo Myung、Geunsik Lee、Kwang S. Kim 等人在 Advanced Energy Materials 发表综述，系统梳理机器学习原子间势（MLIPs）的架构、训练策略与应用。
Chemical Engineering JournalAI 评分2222 混合深度学习框架下基于形状-时间尺度分解的穿透曲线放大预测
韩国研究团队在 Chemical Engineering Journal 提出一种混合深度学习框架，通过形状-时间尺度分解实现穿透曲线的放大预测。作者为 Seung-Chan Lee、Chang-Gu Lee 与 Song-Bae Kim，论文发表于第 549 卷。
Applied Energy精选AI 评分4747 改进深度聚类实现异质工况下动力电池区域感知现场可靠性预测
Yang Lv 等人提出一种区域感知的现场可靠性预测方法，用改进深度聚类处理异质工况下的动力电池可靠性问题，论文发表于 Applied Energy 第 427 卷 Part E。摘要未给出具体数据集、电芯数量与预测误差指标。
推荐理由：面向真实车用场景下工况异质的电池可靠性预测，提出区域感知的深度聚类方法，为现场可靠性建模提供可迁移思路。
Zenodo · battery 数据与软件精选AI 评分5555 Chulalongkorn 大学发布 SPMe 析锂感知充电联合参数数据集
Chulalongkorn 大学在 Zenodo 发布 SPMe_joint_set_charging_dataset.zip（36.3 MB，v1），面向析锂感知的模型预测充电中参数相关性的保留问题。文件以压缩包形式提供，可直接下载。
推荐理由：该数据集面向析锂感知的模型预测充电，保留参数相关性，可供快充策略与析锂约束研究直接复用。
GitHub·电池与能源 Agent 工具AI 评分1818 BGMARWEN 开源 EV Smart Battery Agent：机器学习预测车速并推荐充电站
BGMARWEN 发布开源项目 EV Smart Battery Agent，用机器学习根据电池与驾驶条件估算最优车速，并基于站点数据查找附近充电站、由 AI 推荐代理给出充电建议。
关键词流·SOX 与寿命预测AI 评分2828 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。
关键词流·BMS 与电池智能算法AI 评分3131 圆柱电池包凹槽流道液冷的数值研究与多目标优化
研究对 9 电芯 18650 圆柱电池包的凹槽流道液冷 BTMS 做多目标优化，通道角宽 C_ang 是主导水力变量，在其范围内最多降低压降 54.4%，凹槽深度 G_d 可在无水力损失下减重 23.5%。
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。
Computers & Chemical EngineeringAI 评分3838 结合正交配点的物理信息神经网络用于化学动力学模拟
Pu 等人提出将正交配点与物理信息神经网络结合的化学动力学模拟方法，论文发表于 Computers & Chemical Engineering 第 216 卷，作者包括 Xiaodong Hong、Zuwei Liao、Jingdai Wang 与 Yongrong Yang。目前仅有题录与作者信息，摘要未给出具体算例与精度结果。
Journal of Energy Storage精选AI 评分4747 多域电化学-热模型揭示圆柱形锂离子电池内部产热与温度分布
Yang Liu 等人在 Journal of Energy Storage 发表研究，采用多域电化学-热模型分析圆柱形锂离子电池的空间产热与温度分布。材料仅提供标题与作者信息，未给出具体电芯型号、建模方法与定量结果。
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。
EnergyAI 评分3030 数据驱动智能充电揭示异构电动汽车的需求侧灵活性
一项发表于 Energy 的研究提出数据驱动的智能充电方法，用于揭示异构电动汽车群体的需求侧灵活性。研究由 Bin Lu 等人完成，关注不同电动汽车在充电行为上的差异如何影响电网侧灵活调节能力。
Chemical Engineering ScienceAI 评分2525 机器学习揭示联吡啶盐电解液粘度分子起源，面向水系有机液流电池
针对水系有机液流电池中的联吡啶盐电解液，研究用机器学习解析其粘度的分子层面成因。作者为Kunyin Wang、Mingbao Huang、Zhanxi Cui、Kai Wan、Zhiyong Fu、Zhipeng Xiang、Xiaoru Chen、Zhenxing Liang，成果发表于Chemical Engineering Science第339卷Part C。
Journal of The Electrochemical Society精选AI 评分6262 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。
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。
Zenodo · battery 数据与软件AI 评分3838 罗马大学发布 LPSs PBEsol 数据集，含约 42 万组锂硫代磷酸盐构型
罗马大学在 Zenodo 发布 LPSs PBEsol 数据集 v1，包含 12 种锂硫代磷酸盐晶体与玻璃陶瓷的约 420,000 组构型，均在 PBEsol 级别下计算，MD 主要在 300 K 和 700 K 下进行。数据以 npy_set_PBEsol.zip 打包，大小 394.4 MB，可直接下载。
Zenodo · battery 数据与软件AI 评分4040 无负极电芯概念：批判性分析与实用电池开发
来自剑桥大学、CIC energiGUNE、于利希研究中心等机构的15位作者发表Perspective，批判性综述液态与固态电解质无负极电池的最新进展，评估其能量密度、制造成本与可持续性优势及实用电芯性能。
Zenodo · battery 数据与软件精选AI 评分5858 面向先进电池电化学模型的半电池开路电位非侵入式辨识
该工作在 Zenodo 发布 v1 版本 PDF，主题为先进电池电化学模型所需半电池开路电位的非侵入式辨识，文件约 3.4 MB 可供下载。材料未提供摘要、方法细节与实验数据。
推荐理由：材料仅给出标题与文件信息，无法确认方法细节与结果，暂不展示推荐理由。
Zenodo · battery 数据与软件AI 评分2222 知识图谱驱动的报废产品人机协作拆解策略过程推理
针对报废产品结构与信息异构导致的人机协作拆解难题，该研究提出知识图谱驱动神经网络结合信息分解模块的方法，用于预测最优拆解策略并增强过程推理能力。该方法可为拆解任务分配与工具选择提供决策支持，并以报废电池包为例验证了在复杂人机协作拆解场景中的有效性。
Zenodo · battery 数据与软件AI 评分2020 面向自感知人机协作的智能拆解场景理解：人类行为与意图识别
研究提出一种自感知人机协作（HRC）拆解系统，通过融合ST-GCN动作识别、增强YOLO工具检测与面部角度识别三个模块实时推断操作者意图，意图识别准确率约85%，显著优于传统单模态方法。系统在物理HRC拆解平台上完成退役动力电池拆解任务耗时238 s，比纯人工拆解快60 s（20%）。团队为此构建了包含人体骨骼、工具标注图像与面部表情数据的退役动力电池拆解专用数据集。
Zenodo · battery 数据与软件AI 评分4242 米兰理工等提出融合知识推理与关系挖掘的退役电池梯次利用与回收评估系统
米兰理工大学与西北工业大学团队提出一套智能评估系统，将知识推理与关系挖掘结合，系统分析电池特性间的复杂依赖关系，用于退役动力电池梯次利用与回收的场景推荐。该方法依据 GB/T_34015.3–2021 标准对电池包特性做大数据的计算与关系分析，并以 18650 的 LFP、NCM 和 NCA 电池开展案例验证。成果以 PDF 形式发布于 Zenodo，版本 v1，文件约 16.6 MB。
Zenodo · battery 数据与软件AI 评分2020 基于动态时间Petri网与异构多智能体Double DQN的多场景数字孪生人机协作多任务拆解工艺规划
研究提出数字孪生辅助的多智能体人机协作拆解系统，用动态时间Petri网（TPN）模型表达实时拆解信息与关联关系，并集成多智能体Dueling-Double深度Q网络（MADDQN）算法求解最优拆解序列与任务策略。以蔚来ES8的NEV-P50电池包为案例，验证该算法可基于数字孪生数据优化动态拆解序列与不确定任务分配。
Advanced Materials精选AI 评分6060 闭孔作为内部应力调节单元用于实用化硅碳负极
研究提出在硅碳负极中引入闭孔纳米孔作为内部应力调节单元，将嵌锂形变应力导向颗粒内部并抑制电极宏观膨胀。氮掺杂硅碳复合材料可逆容量达 1756.5 mAh g−1，首次库仑效率 90.2%，3 C 下容量 868.4 mAh g−1，50 次循环后电极厚度膨胀由 38.4% 降至 13.1%。
推荐理由：该工作在公斤级合成与 2 Ah NCM811 软包电芯上验证闭孔结构对硅碳负极膨胀的抑制效果，为硅碳负极实用化提供可放大的结构设计思路。
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）。
关键词流·BMS 与电池智能算法AI 评分2222 104 电芯 Zig-zag 排列锂电池包混合 TEC–强制风冷热性能数值研究：环境温度与放电倍率影响
研究用 Python/SciPy 集总参数热模型对 104 电芯（13S8P）NCR18650BD 电池包在 Zig-zag 排列下评估环境温度与放电倍率影响，覆盖 108 个工况、540 次蒙特卡洛仿真。
关键词流·BMS 与电池智能算法AI 评分4242 电池管理系统中的机器学习：799 条记录的两层范围综述与 103 项研究的分类验证审计
该综述从 799 条合格记录中筛选，并对其中 103 项研究做深入分类与验证审计，梳理机器学习在电池管理系统中的应用。材料仅提供标题，未给出具体结论、分类体系或审计结果。