HITL-Ops：多智能体电池异常检测与人工审核 ML 运维平台
HITL-Ops 是一个展示型 ML 运维原型，把 4 个专用智能体、置信度路由、人工审核界面、质量门与反馈回训串成一条电池异常检测流水线。演示批次 60 条记录中 45 条（75.0%）自动通过、1 条转人工、14 条（23.3%）升级，其中 2 条为 P0 停机（电芯温度 63 °C，超过 60 °C 限值）。
#机器学习
#机器学习
今日 4 条GitHub·电池与能源 Agent 工具AI 评分2222 GitHub·电池与能源 Agent 工具AI 评分1818 PRATdoppelEK/vision-agent-qc：多智能体架构的电池电芯视觉质检原型
GitHub 项目 PRATdoppelEK/vision-agent-qc 展示了一个面向电池电芯制造的多智能体视觉质检原型，基于合成图像训练，测试准确率达 98.8%，Macro F1 为 0.988。
Zenodo · battery 数据与软件精选AI 评分5858 NEMO 项目发布 2023–2026 年成果手册，聚焦下一代 BMS
NEMO 项目（NExt-generation MOdels for advanced battery electronics）发布 2023 至 2026 年成果手册，汇总其在电池状态估计、老化预测、安全监测和嵌入式 BMS 架构方面的进展。
推荐理由：NEMO 项目汇总 2023 至 2026 年在电池状态估计、老化预测与安全监测上的成果，可快速了解欧洲下一代 BMS 的技术路线。
Zenodo · battery 数据与软件AI 评分4242 NEMO 发布数据驱动与混合老化模型说明材料
NEMO 在 Zenodo 发布 Factsheet 说明材料 NEMO_Factsheet_5.pdf（998.9 kB，版本 v1），介绍其电池管理系统中结合物理信息特征工程与基础模型的 SOH 预测。文件可在该记录页面预览与下载。
EnergyAI 评分1818 语义掩码增强深度强化学习用于含车-楼灵活性的虚拟建筑群微电网储能调度
研究提出语义掩码增强的深度强化学习方法来优化虚拟建筑群微电网的储能调度，并纳入车辆到建筑（V2B）的灵活性。该方法面向建筑集群与电动汽车协同场景，成果发表于 Energy 第 367 卷。
关键词流·BMS 与电池智能算法精选AI 评分4747 基于膨胀行为与 Autoformer 的物理信息学习框架用于锂离子电池 SOH 估计
该研究提出一种物理信息学习框架，利用电池膨胀行为并结合 Autoformer 模型估计锂离子电池 SOH。材料仅提供标题，未给出数据集、精度指标或代码获取方式。
关键词流·SOX 与寿命预测精选AI 评分6060 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。
关键词流·BMS 与电池智能算法AI 评分2222 融合先进深度学习架构，利用实验数据实现锂离子电池高精度SOC估计
一项研究将多种先进深度学习架构进行混合，用于锂离子电池荷电状态（SOC）估计，并采用实验数据进行验证。该工作聚焦提升SOC估计精度，摘要未披露具体模型版本、参数规模或benchmark分数。
关键词流·SOX 与寿命预测精选AI 评分6262 基于生成式预训练 Transformer 的锂离子电池早期老化预测补充材料
该材料是论文《Early prediction of lithium-ion battery degradation with a generative pre-trained transformer》的补充信息文件，正文未抓取到，仅标题可用，具体方法、数据集与结果均无法确认。
关键词流·BMS 与电池智能算法AI 评分4040 面向BMS荷电状态估计的电压控制模型机器学习框架性能评估
该研究提出一种面向电池管理系统荷电状态估计的电压控制模型机器学习框架，标题标明其重点为性能评估，摘要与正文暂不可获取。
Journal of Energy Storage精选AI 评分5454 基于膨胀行为与 Autoformer 的物理信息 SOH 估计框架
Shu 等人提出一种物理信息学习框架，利用电芯膨胀行为结合 Autoformer 估计锂离子电池 SOH，论文发表于 Journal of Energy Storage 第 183 卷 Part B。材料仅提供题录与作者信息，摘要未给出数据集、电芯体系与误差指标。
推荐理由：该工作把电芯膨胀行为与 Autoformer 结合进物理信息框架做 SOH 估计，为不依赖电学特征的估计路线提供了可迁移思路。
Computers & Chemical Engineering精选AI 评分5252 数据驱动多任务学习框架同时预测锂离子电池RUL与拐点
Haoyu Sun 等人提出一种数据驱动的多任务学习框架，用于同时预测锂离子电池的剩余使用寿命（RUL）与容量衰减拐点。该工作发表于 Computers & Chemical Engineering 第 217 卷，摘要未给出数据集、电芯体系与误差指标等细节。
推荐理由：该框架把RUL与拐点预测放在同一多任务模型中，为关注寿命末期非线性衰减的读者提供了一种联合建模思路。
Chemical Engineering JournalAI 评分1818 基于介孔 Cr2O3-In2O3 异质结的 AI 无线气体传感器用于快速检测 3-羟基-2-丁酮
研究提出一种基于介孔 Cr2O3-In2O3 异质结的 AI 无线气体传感器，用于快速检测 3-羟基-2-丁酮。该工作由 Mohammad Muaz、Farasha Sama、M. Shahid 与 Absar Ahmad 完成，发表于 Chemical Engineering Journal 第 549 卷，出版日期为 2026 年 12 月 1 日。
Journal of Power SourcesAI 评分3131 通过乙醇辅助电镀调控 Sn 纳米种子分布，实现锂金属电池均匀析锂
研究通过乙醇辅助电镀调控 Sn 纳米种子的分布，以改善锂金属电池的析锂均匀性。该策略针对锂金属负极在电镀过程中析锂不均的问题，相关成果发表于 Journal of Power Sources 第 699 卷。
Zenodo · battery 数据与软件精选AI 评分6262 SOH 估计代理特征与基线泄漏审计代码及结果发布
Çukurova 大学团队在 Zenodo 发布 v1.0.0 代码与结果包，对应投稿 Journal of Energy Storage 的论文《Proxy features and honest baselines in lithium-ion battery state-of-health estimation。
推荐理由：该仓库公开了六套公开数据集上的代理特征泄漏审计代码与结果，便于复现等预算模型对比和 PINN4SOH 审计。
Advanced Energy Materials精选AI 评分7272 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。
Advanced Energy MaterialsAI 评分3838 Li─P─F─O 键合拓扑调控富锂正极氧氧化还原与界面稳定性
研究通过机械化学氟磷酸化在富锂锰基氧化物（LRMO）表面构建 Li─P─F─O 键合拓扑，抑制氧释放与界面阻抗增长。DFT 筛选显示磷酸根是最有效的稳定表面氧的氧阴离子基元，改性正极在 0.1 C、25°C 下给出 248.5 mAh g−1，60°C 下 268 mAh g−1，10 C 循环 2000 次容量保持 85%，并运行至 16000 次循环。
Advanced Energy Materials精选AI 评分4848 30 µm 三明治结构硫化物电解质膜借 Ti4+/Ti3+ 氧化还原原位消耗锂枝晶
研究团队通过热压两层 Li5.3PS4.3ClBr0.7（LPSClBr）膜与嵌入 LATP@KH 纳米颗粒的 PVDF-HFP 静电纺支架，制得 30 µm 三明治结构硫化物固态电解质膜，离子电导率 2.75 mS cm−1、临界电流密度 1.0 mA cm−2。
推荐理由：该工作用热压叠层制备 30 µm 硫化物电解质膜，并以 Ti4+/Ti3+ 氧化还原原位消耗穿透锂枝晶，为超薄膜机械强化提供可迁移思路。
Advanced Energy MaterialsAI 评分3333 面向过程的界面调控综述：非水液态电解液锂金属电池的六步动力学框架
该综述从面向过程的视角系统分析非水液态电解液锂金属电池的界面过程，采用包含离子传输、去溶剂化、界面传输、电荷转移、成核与形貌演化六个步骤的动力学框架。文章先讨论电极-电解液界面的基本结构与动态演化，并概述跨多个长度与时间尺度的先进表征技术，随后按电解液添加剂、人工保护层与溶剂化调控设计三类策略，梳理其在六步过程中调控关键动力学步骤的作用与机制。
Advanced MaterialsAI 评分3838 金属间化合物 Ni–Al 负极实现水系铝电池体相铝嵌入
研究提出金属间化合物负极策略，通过电化学驱动的 Ni–Al 合金化实现体相 Al 嵌入，突破表面受限沉积。
Advanced MaterialsAI 评分3838 相邻单原子与纳米颗粒电子耦合引导锂横向沉积
研究提出相邻单原子与纳米颗粒电子耦合策略，用配位介导的超快激光直写构建含超细 Co 纳米颗粒与相邻 Co 单原子的多级多孔石墨烯宿主。界面电子耦合重构局域 d 带中心并形成定向的空间锂吸附能梯度，使锂依次占据相邻位点、抑制局部垂直堆积。高载量 Li||LiFePO4 全电池在 2 C 下循环 1000 次后容量保持 71.4%。
Advanced Materials精选AI 评分5858 含氟聚离子液体电解质实现515 Wh kg−1固态锂金属电池
研究将聚离子液体片段引入含氟丙烯酸酯骨架，构建离子配体辅助传输框架，使FSI⁻被阳离子侧链锚定并形成富阴离子的连续通道。优化后的电解质在30°C下离子电导率为0.38 mS cm−1、Li+迁移数为0.77，氧化稳定窗口扩展至4.94 V；Li||Cu电池稳定循环超过400次，平均库仑效率为99.1%。
推荐理由：该工作通过将聚离子液体引入含氟骨架来锚定FSI⁻，为解耦电导率与聚合物链段松弛提供了一条可迁移的电解质设计思路。
Advanced MaterialsAI 评分3030 熵稳定富锂层状氧化物纳米颗粒用于先进高压正极
研究采用激光诱导碳热还原法合成高熵掺杂富锂层状氧化物纳米颗粒，粒径仅83.08 nm，在2.5–4.8 V电压窗口下稳定运行，1 C下功率密度达877.9 Wh kg⁻¹。高熵掺杂与颗粒细化共同抑制氧流失并稳定过渡金属骨架，所组装全电池与纤维电池在高压循环中展现出实用可行性。
GitHub·电池与能源 Agent 工具AI 评分2222 battery-coating-maintenance-agent：电池涂布设备运维 Agent 的本地仿真原型
个人开发者开源 battery-coating-maintenance-agent，用可复现模拟工况演示设备运维 Agent 从异常观测、知识检索、独立取证到人工审批执行与复核的完整闭环。
Zenodo · battery 数据与软件精选AI 评分4848 弱配位阴离子与溶剂电解液研究的数据与仿真输入公开
加州大学圣地亚哥分校等团队在 Zenodo 发布弱配位阴离子与溶剂电解液研究的数据、处理脚本、仿真输入和力场参数，用于复现投稿 Science 论文的全部图表。
推荐理由：该归档公开了弱配位阴离子与溶剂电解液研究的原始数据、处理脚本和力场参数，可复现论文各图。
Computers & Chemical EngineeringAI 评分2020 面向算法与语言模型的自描述动态过程模拟器：原理及 Tennessee Eastman 参考实现
研究提出自描述动态过程模拟器，使算法与语言模型可直接调用模拟器，并给出基于 Tennessee Eastman 过程的参考实现。论文发表于 Computers & Chemical Engineering 第 217 卷，作者为 Khalid Alhazmi。
eTransportation精选AI 评分5858 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。
关键词流·BMS 与电池智能算法AI 评分3131 风险感知数字孪生边缘智能用于电动汽车电池老化、热应力与能量管理
一篇论文提出基于数字孪生的风险感知电动汽车电池能量管理框架，将电池状态预测、启发式不确定性指标、热风险评估与电池健康信息统一到电流控制方案中，边缘智能层支持本地处理而无需持续云端交互。
关键词流·BMS 与电池智能算法AI 评分1818 一次 EV 电池读数，多个版本：来自 BMS 自身参数设置的 EV 电池健康早期预警
一份概念笔记提出在 BMS 软件内、叠加于现有 AI 健康评估程序之上做简单校验：每次读数时用自身内部参数的 2 至 4 个允许设置重算同一读数，AI 程序不变，通过答案离散度判断健康读数是否稳固。
关键词流·BMS 与电池智能算法精选AI 评分5555 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。
Energy Storage Materials精选AI 评分4040 研究利用原位中子射线照相监测固态电池中的锂化梯度
Patrice Perrenot 等人在 Energy Storage Materials 发表研究，采用原位中子射线照相监测固态电池内部的锂化梯度。材料仅提供标题与作者信息，未给出具体实验条件与结果数据。
Journal of Energy Storage精选AI 评分4747 温度敏感 EIS 特征用于锂离子电池热失控早期检测
Journal of Energy Storage 第 183 卷 Part B 刊出 Xinyi Xie 等人的研究，主题是利用温度敏感的 EIS 特征实现锂离子电池热失控早期检测。当前 feed 仅提供标题与作者信息，摘要与具体方法、结果尚未给出。
推荐理由：材料只给出标题与作者信息，未提供摘要正文，无法提炼具体方法或结论层面的阅读价值。
关键词流·SOX 与寿命预测AI 评分4040 Koopman 网络用于锂离子电池容量预测与健康评估
江苏航空职业技术学院 Zhou 与 Lyu 提出一种 Koopman 网络，将趋势潜状态的线性演化与非线性残差修正结合，用单侧滑动平均分离容量输入，并以有界增量更新最近一次观测的 SOH。
Journal of Energy ChemistryAI 评分3838 异质结构催化界面促进锂原子均匀扩散，实现无枝晶锂金属电池
Journal of Energy Chemistry 第 124 卷刊出研究，作者 Yongfeng Jia 等提出异质结构催化界面，使锂原子扩散更均匀，从而抑制枝晶生长、面向无枝晶锂金属电池。当前仅见标题与作者信息，摘要与实验数据尚未提供。
Zenodo · battery 数据与软件AI 评分2222 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。
Nano EnergyAI 评分1818 基于摩擦电传感器的机械状态监测：健康信息深度与解读策略
Nano Energy 第 160 卷刊出综述，聚焦摩擦电传感器用于机械状态监测时的健康信息深度与解读策略，作者包括 Jeongseok Oh、Hayoung Kim、Gibeom Lee 等。文章围绕如何从摩擦电传感信号中提取并解读健康信息展开，讨论信息深度层级与相应解读方法。
EnergyAI 评分3131 基于TranSAC与非合作博弈的微电网集成充电站双层能量管理
针对微电网集成充电站，研究提出结合TranSAC强化学习与非合作博弈的双层能量管理方法。该方法上层与下层分别优化，以协调充电站与微电网间的能量调度。论文发表于 Energy 第367卷，作者为Yihao Meng、Yuan Zou、Zhiying Zhao、Guodong Du、Xudong Zhang、Jun Zhang。
EnergyAI 评分3434 增程式电动汽车能量与热管理：因果全局蒸馏与Koopman模型预测控制
该研究面向增程式电动汽车的能量与热管理，提出结合因果全局蒸馏与基于Koopman的模型预测控制方法。论文发表于 Energy 第367卷，作者为 Haoming Gao、Chao Sun、Xupeng Song 等，出版日期为2026年12月1日。当前仅获取到标题与作者信息，摘要与具体结果尚未提供。
Journal of Power Sources精选AI 评分5555 研究提出物理约束生成式 AI 逆向设计锂离子电池微结构
Journal of Power Sources 第 699 卷刊出 Azamat Zhaksylykov 等人的研究，题为用物理约束生成式 AI 逆向设计锂离子电池微结构，论文发表于 2027 年 1 月 30 日。当前仅获取到标题与作者信息，摘要正文未提供。
推荐理由：材料只给出标题与作者信息，无法确认方法细节与验证结果，阅读价值暂无法具体呈现。
GitHub·电池与能源 Agent 工具AI 评分3838 MAS4TE 开源 communications_agent 虚拟储能自动交易代理
MAS4TE 发布 communications_agent，一个面向 MAS4TE 虚拟储能平台的自主交易代理，每个进程代表一个装有光伏或电池的家庭用户。代理在市场开盘时预测用电、光伏与价格并提交报价单，出清后下发电池调度；内置 LLM 聊天助手可用自然语言解释代理的每一步操作。