跳到正文

#不确定性量化

今日 1 条
今天10月30日周五
  1. arXiv · battery（eess.SY 系统与控制）22

    面向军事微电网的备用就绪约束预孤岛调度方法

    该研究提出一种在并网运行期间主动管理电池能量、燃料与负荷转移能力的调度方法，以维持军事微电网孤岛后的关键负荷供电就绪度。方法用鲁棒可行性核识别资源组合，并将发电机启动失败概率转化为确定性机组数量，以满足0.999孤岛进入可用率下14天孤岛需求。案例显示仅经济性运行和固定电池备用策略无法维持关键负荷，而执行资源相关约束可在并网运行成本小幅增加下保持就绪度。

10月29日周四
  2. 关键词流·SOX 与寿命预测60

    NBD-Net 用非平稳桥接退化网络预测锂电 RUL，留一电芯测试误差最低

    作者提出 NBD-Net，通过 RevIN 逐窗口归一化、局部稳定分支与循环趋势编码器并行，并用注意力记忆 SDMC 和双向交叉注意力桥 LGBI 耦合两路，实现下一循环容量预测。

    推荐理由：在 CALCE、NASA、TJU 共 11 个电芯的留一电芯协议下，该文逐项拆解了归一化与局部稳定分支各自带来的增益。

  7. Advanced Energy Materials72

    机理锚定的锂电池健康管理框架实现跨数据集 SOH 估计与轨迹预测

    研究提出一种机理锚定的可泛化健康管理框架，在 LFP/石墨电芯中识别出 3.3–3.4 V 充电窗口作为老化敏感特征，并与增量容量指纹关联。框架结合条件感知软混合专家模型、跨数据集持续学习和自适应无迹卡尔曼滤波，将逐点 SOH 估计转化为可在线更新的老化轨迹，在多应力老化条件下实现稳健 SOH 估计和 100–300 步前向轨迹预测。

    推荐理由：该框架把 3.3–3.4 V 充电特征与混合专家模型、UKF 轨迹更新串联，为跨数据集 SOH 估计提供可迁移思路。

10月28日周三
  1. eTransportation58

    选择性老化表征网络提升电池老化轨迹预测效率与鲁棒性

    Xuan Liu 等人提出选择性老化表征网络（Selective Degradation Representation Network），用于电池老化轨迹预测，目标是兼顾效率与鲁棒性，突破刚性序列建模的限制。该文发表于 eTransportation，2026 年 10 月 27 日上线，目前仅有摘要信息。

    推荐理由：该工作用选择性老化表征网络做电池老化轨迹预测，强调高效与鲁棒，可供做序列预测方法选型时参考其表征思路。

  4. 关键词流·BMS 与电池智能算法55

    DS-MTNet 双流多任务网络实现锂电热状态与SOH联合预测及预警

    作者提出 DS-MTNet 双流多任务网络，用 TCN 捕捉短期热动态、Mamba 建模长期老化趋势，经门控融合后同时预测最高温度、平均温度和 SOH。在 XJTU 数据集动态工况下 SOH 的 MAE 为 0.011、最高温度 MAE 为 0.898 °C；借助 MMD 分布对齐的少样本域适应，在 NASA 数据集跨环境迁移的 SOH MAE 为 0.022。

    推荐理由：该工作把温度与SOH放进同一双流网络联合预测，并给出跨数据集迁移与预警提前量的量化结果，可作为多任务电池状态估计的对照方案。

  7. Zenodo · battery 数据与软件22

    MOPSO 调优的鲁棒模型预测控制用于双向感应电能传输系统：耦合与负载不确定性下的并网电动汽车充电电压频率协同支撑

    针对线圈错位、电池负载变化和电网扰动导致双向感应电能传输（BIPT）效率与稳定性下降的问题，该研究提出 MOPSO 调优的鲁棒模型预测控制（RMPC）方案，在 MATLAB/Simulink 中搭建含双向变换器与串联-串联谐振补偿的 3.3 kW、85 kHz 系统模型。

  8. Journal of The Electrochemical Society40

    CAMamba2 双轴增强状态空间模型用于锂离子电池 RUL 预测

    上海理工大学团队提出 CAMamba2 双轴增强架构，特征轴做跨通道交互门控，时间轴用上下文感知模块结合局部平滑时序上下文，并以 Mamba2 状态空间骨干建模长程依赖。在 MIT 数据集上 MAE 为 0.0082、MSE 为 0.0001，优于代表性基线；在 HUST 数据集上独立训练后，在不同工况下也表现良好。作者认为双轴增强是锂离子电池 RUL 预测的有效策略。

    推荐理由：该工作把跨通道门控与局部时序平滑结合到 Mamba2 状态空间骨干上，为抑制容量再生和局部噪声提供了一种可迁移的建模思路。

  9. Journal of The Electrochemical Society42

    分数阶模型结合可用容量反馈实现锂离子电池SOC与SOP估计

    北京工业大学团队提出一种分数阶等效电路模型结合快速多新息无迹卡尔曼滤波SOC观测器与慢速容量估计器的SOC/SOP联合估计方法，模型参数由SLPSO辨识。相比二阶RC模型，分数阶模型将电压RMSE和MAE分别降低3.45%和5.82%，SLPSO将平均末端电压RMSE从2.215 mV降至1.561 mV。

    推荐理由：该文将分数阶等效电路模型与容量反馈耦合，在初始SOC失配下把SOC RMSE从4.9%至9.8%降到1%以内，可供做SOC/SOP联合估计的研究者参考。

  10. 关键词流·SOX 与寿命预测60

    分层加权保形预测用于电池SOH监测的分析代码与预注册协议发布

    独立研究者发布论文配套分析工件，包含完整分析流程代码、每次正式运行前写定的预注册设计与门控标准、同种子逐位一致重跑日志，以及重建的124电芯队列表与派生数字账本。原始公开数据集不再分发，提供带sha256校验的抓取脚本和八步复现链，随机种子固定，每张图由日志确定性生成并在渲染前对照34个锚点值校验。

    推荐理由：该分析工件公开了分层加权保形预测的预注册协议、运行日志与124电芯队列重建表，便于复现其SOH监测流程。

  11. 关键词流·BMS 与电池智能算法62

    机械触发锂离子电芯热失控预警研究发布代码与派生数据包

    作者发布机械触发锂离子电芯热失控早期预警研究的代码与派生数据，基于公开的 ORNL–Sandia 压痕数据集（Mendeley Data，doi:10.17632/sn2kv34r4h.2）。

    推荐理由：该代码包把机械触发内短路热失控预警的误报率标定流程完整开放，含逐测试标签与复现日志，便于他人复用同一预警框架。

10月27日周二
  2. Energy60

    不确定性感知半监督学习实现真实电动车电池包老化诊断

    Shan Li 等人提出一种不确定性感知半监督学习方法，利用真实电动汽车随机短充电数据实现电池包老化诊断，以降低对标注数据的依赖。该研究发表于 Energy 第 367 卷，作者包括 Jian Ma、Xuan Zhao、Qiao Wang、Kai Zhang、Qifan Xue。

    推荐理由：面向真实车端随机短充电片段，用不确定性感知半监督学习降低电池包老化诊断对标注数据的依赖。

  3. Applied Energy15

    量子概率驱动的认知偏差下电动汽车充电站可持续选址决策框架

    研究提出一种量子概率驱动的决策框架，用于在考虑认知偏差的情况下优化电动汽车充电站的可持续选址。该框架将量子概率模型与多准则决策方法结合，以刻画决策者在选址评估中的不确定性判断。作者为 Jing Jiang、Yuyao Yang、Xinwang Liu、Qun Wu 与 Dragan Pamucar，成果发表于 Applied Energy 第 427 卷 Part F。

10月26日周一
  1. Journal of Energy Storage47

    面向电网级电池储能的前瞻控制：动态预览长度方法

    Shakil Mirza 等人在 Journal of Energy Storage 提出用动态预览长度实现电网级电池储能的前瞻控制。作者为 Rahul Sharma、Tapan Saha、John Atherton，文章发表于 Volume 183, Part B，出版日期为 2027 年 1 月 1 日。目前仅见摘要信息，具体控制框架与验证结果尚未公开。

    推荐理由：面向电网级储能提出动态预览长度的前瞻控制思路，为调度策略设计提供可迁移的方法框架。

  2. Zenodo · battery 数据与软件58

    表格化电池老化模型敏感性排序在认知不确定性下的审计：设计选择、依赖输入与多源证据

    研究将表格化老化模型敏感性排序背后的分析设定视为认知不确定性，对63.5 Ah NMC电芯老化模型用Sobol指数、Shapley效应和分箱Borgonovo型测度进行审计。

    推荐理由：该研究用Sobol、Shapley与Borgonovo三类指标审计63.5 Ah NMC表格化老化模型的敏感性排序，揭示排序随分析设定而变。

  3. 关键词流·SOX 与寿命预测55

    预印本检验容量型 SOH 的表征充分性：加入电学信息使未来电阻预测误差降低 56.25%

    独立研究者发布预印本，检验容量型 SOH 是否保留独立选定的当前与未来电池目标记录所需信息，使用 Luh–Blank、NASA Ames 和 Stroebl 三个公开锂离子电池老化数据集，结合匹配状态分析与留出预测。

    推荐理由：该预印本用三个公开老化数据集检验容量型 SOH 对电压、阻抗等目标的信息充分性，并给出加入电学信息后的预测误差降幅。

  4. Zenodo · battery 数据与软件78

    退役锂离子电池双极脉冲扰动数据集发布 v2 版本

    该数据集配合双极对称脉冲扰动检测电池容量损失的研究论文发布，包含退役锂离子电池测试原始数据及特征提取、诊断分析和建模所用的处理数据。

    推荐理由：退役电芯的双极脉冲测试原始数据与处理特征、模型输出一并公开，便于复用其可观测特征做容量损失诊断。

10月25日周日
  6. Zenodo · battery 数据与软件47

    代理模型驱动的锂离子电池可持续生产决策框架

    法国 Arts et Métiers 与 CESI 团队提出基于机器学习代理模型的决策框架，用其模拟数字孪生行为以大幅降低计算成本，并嵌入多目标优化中快速探索生产成本、CO₂排放与电芯良率之间的权衡。该方法面向多级锂离子电池生产中缺陷非线性传播的问题，支持随工艺波动调整参数的动态数据驱动决策。成果以 PDF 形式发布于 Zenodo（v1）。

    推荐理由：该工作用机器学习代理模型替代高保真数字孪生，把生产成本、CO₂排放与电芯良率纳入多目标优化，为多级产线的实时决策提供可迁移思路。

10月24日周六
  1. 关键词流·SOX 与寿命预测58

    ECLIPSE-Net 用事件条件对数状态估计器预测锂电池 RUL

    ECLIPSE-Net 是一种事件条件对数状态估计器，结合退化事件分词器、对数时间记忆格、选择性二阶 MIMO 状态模块、能量证据混合器与鲁棒输出头，用于锂电池 RUL 预测。

    推荐理由：论文在三个公开数据集上报告 RUL 误差与消融结果，并说明迁移失效的触发条件，可供做寿命预测基线比较时参考。