V2G 城市级车队调峰调度复现包 v1.1.0 发布，修正 Stage 2–3 容量约束
城市级电动车队 V2G 三阶段调峰算法复现包升级至 v1.1.0，修正 Stage 2–3 使每辆车在各时段储能均保持在 [0, B_i] 内，v1.0.0 仅在离场时校验容量。
#BMS
#BMS
今日 6 条Zenodo · battery 数据与软件AI 评分2222 GitHub·电池与能源 Agent 工具AI 评分2222 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）。
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。
Zenodo · battery 数据与软件AI 评分2323 REFORMERS 项目提出三级 Living Lab 路径，推动欧洲能源系统整合规模化
REFORMERS 项目提出三级 Living Lab 方法，用于将可再生能源谷（REV）的能源系统整合方案从受控测试逐步推向跨国复制。
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 StorageAI 评分3838 面向连续日内市场的电池控制最优随机决策方法
Thomas Gottfried 在 Journal of Energy Storage 第 183 卷第 B 部分发表研究，针对连续日内市场中的电池控制提出最优随机决策方法。该文发表于 2027 年 1 月 1 日，目前仅有摘要信息。
Zenodo · battery 数据与软件AI 评分1010 基于低功耗 VLSI 的电动汽车充电控制器：Verilog 数字逻辑原型
一篇论文提出用 Verilog HDL 实现的电动汽车充电数字控制器，接收 start、voltage_ok、current_ok、battery_full、fault 五个输入，输出 charge_enable、charging_complete 和 fault_output。
Zenodo · battery 数据与软件AI 评分2222 motulator 0.20.1 发布：新增二极管桥直流负载与晶闸管门控建模
Aalto-Electric-Drives 发布 motulator 0.20.1，新增二极管桥可经直流扼流圈向直流负载供电，负载通过 DCPort(e, R, L) 给出直流端口。
Zenodo · battery 数据与软件AI 评分3131 全固态电池综述：化学体系、电池管理、热管理、组装与应用
一篇发表于 Zenodo 的批判性综述系统梳理了全固态电池（ASSEB）的电解质组成、生产工艺、电池管理系统（BMS）、热管理系统与环境表现。文章指出，商用锂离子电池受制于易燃液态电解质与中等能量密度，而 ASSEB 在能量密度、稳定性与安全性上更具潜力，但仍面临离子传输偏低等挑战。综述还评估了 ASSEB 在电动汽车、消费电子、航空航天、国防与可再生能源储能中的应用前景。
Zenodo · battery 数据与软件AI 评分3131 工业综合能源系统中数字—物理融合与经济表现：智能电网控制、电池储能与数字孪生的情景分析
针对哈萨克斯坦油气加工行业构建电—热—气综合能源系统，在100 GWh年用电与150 GWhth年用热需求下，用智能电网控制、4 MW/16 MWh BESS 与数字孪生组合出8个技术情景。
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。
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。
Journal of Energy StorageAI 评分3838 面向分布式换电站的电动汽车引导与充电调度联合优化
该研究提出电动汽车引导与充电调度的联合方法，面向分布式换电站场景，发表于 Journal of Energy Storage 第183卷第B部分，作者为 Weichuan Hu、Jiangliang Jin、Liangliang Hao、Qisheng Huang、Yunjian Xu。目前仅有摘要信息，具体模型与结果尚未公开。
关键词流·SOX 与寿命预测AI 评分4242 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，电压RMSE与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。
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。
Zenodo · battery 数据与软件精选AI 评分6060 Renewvia 发布肯尼亚与尼日利亚24个社区太阳能微电网高频多域运行数据集
Renewvia Solar Africa 在 Zenodo 发布肯尼亚与尼日利亚24个社区太阳能微电网的多源运行数据集，含11,942个用户接入记录、约4.71亿条15分钟分辨率智能电表观测、客户支付与财务交易、历史电价，以及约289万条描述发电、电池储能等系统运行状态的远程监测观测。
推荐理由：该数据集把24个社区太阳能微电网的智能电表、支付与远程监测记录整合为关系型数据，可供分析用电需求与储能系统运行。
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。
GitHub·电池与能源 Agent 工具AI 评分2020 GridTwin-HIL Day 1：Nucleo 模拟 4 电芯 LiFePO4 电池，Raspberry Pi 5 经 Modbus RTU 过压跳闸计时
GridTwin-HIL 公布 Day 1 套件：Nucleo-G491RE 模拟 4 电芯 LiFePO4 电池，Raspberry Pi 5 通过 9600 波特率 Modbus RTU 轮询，电芯超过 3650 mV 时经 GPIO23→PB4 跳闸线触发保护，并以微秒级计时。
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。
Fuel CellsAI 评分2020 并网PEM燃料电池辅助混合微电网的Type-3模糊PI直流母线电压控制
研究提出Type-3模糊PI（T3-FPI）控制器，用于含光伏、风电、锂离子电池、PEMFC和电网的并网混合微电网直流母线电压调节，按电压误差及其变化率在线调度Kp与Ki。
arXiv · battery（eess.SY 系统与控制）AI 评分2525 面向充电站的电动汽车调度与碳感知能量分配：SFGH 与 TD3 联合方案
研究提出无求解器的贪心启发式 SFGH 负责电动汽车动态调度，TD3 控制器负责碳感知能量分配，在满足充电需求的同时平衡电费与碳排放。模型允许光伏与电池向电网售电，并计入售电收益与碳信用。全年仿真显示，SFGH–TD3 在所评估的启发式与多智能体 DRL 配置中取得最低累计服务延迟、能耗成本与碳排放。
Journal of The Electrochemical Society精选AI 评分4242 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。
关键词流·BMS 与电池智能算法AI 评分4242 KIT 提出电动公交电池信息物理框架，融合 DQN 智能充电与 LSTM 数字孪生
KIT 团队提出面向电动公交电池的信息物理框架，控制层用 DQN 智能体实时执行智能充电与再生制动电流限幅，并与边缘侧 LSTM 数字孪生联动跟踪 SOH。框架还引入基于 SHAP 的 NMPC 策略，映射核心产热并补偿内部热滞后，以应对城市工况下电流冲击带来的局部热应力。该文发表于 Smart Cities 第 9 卷第 11 期，2026 年 10 月 23 日在线发表。
关键词流·BMS 与电池智能算法AI 评分2424 基于 Edge AI 的实时电池管理系统：技术趋势与设计框架
综述提出一种分层 Edge AI 电池管理参考框架：电池传感器与嵌入式控制器采集运行数据，边缘处理器完成预处理与智能分析，云平台负责长期数据管理、模型更新与车队级分析。框架强调本地状态估计、异常检测、预测性维护、安全的边云通信及可选数字孪生集成，可减少对持续云连接的依赖并加快决策。实际部署仍受嵌入式资源有限、模型复杂度、网络安全风险、电池平台异构与互操作性等问题制约。
EnergyAI 评分1515 分布式混合动力电动拖拉机分层模型预测能量管理：基于 LPV-LMS 的在线滑移率模型更新
针对分布式混合动力电动拖拉机，研究提出一种分层模型预测能量管理方法，并采用 LPV-LMS 实现在线滑移率模型更新。该方法将滑移率模型更新纳入能量管理框架，以应对作业工况下滑移率变化对能量分配的影响。
Applied Energy精选AI 评分5858 从异构多时长时间序列学习控制策略用于电池能量管理
Applied Energy 第 427 卷 Part F 刊出 Sheng Yin、Vivek Teja Tanjavooru、Christoph Goebel、Holger Hesse 的论文，题为从异构多时长时间序列学习控制策略用于电池能量管理系统，出版日期为 2027 年 1 月。当前 feed 仅提供标题与作者信息，未给出摘要与方法细节。
推荐理由：材料仅给出标题与作者信息，未提供摘要或方法细节，无法提炼具体阅读价值。
GitHub·电池与能源 Agent 工具AI 评分1818 Rohan-Kegade 开源 ev-trip-planning-agent：用 LangGraph 与 Gemini 规划电动车行程与充电方案
Rohan-Kegade 开源 ev-trip-planning-agent，一个帮电动车司机规划行程的聊天机器人，可计算路线、判断电量是否够用，不足时搜索充电站并生成充电计划。
Zenodo · battery 数据与软件AI 评分2424 基于可再生能源的智能电力系统：协调控制与性能评估
该研究提出一套整合光伏、风电、电池储能（BES）、逆变器无功支撑与 OLTC 协调控制的框架，在 IEEE 33-bus 配电网（总需求 3.715 MW、2.300 MVAr）上评估三种运行场景。
Zenodo · battery 数据与软件AI 评分3838 摩洛哥电动出行研究发布配套数据集与代码：含60个项目清单、输电网与BLAST-Lite老化图谱
Euro-Mediterranean University of Fes 在 Zenodo 发布论文 Towards Sustainable Electric Mobility in Morocco 的配套数据与代码。
GitHub·电池与能源 Agent 工具精选AI 评分5050 mcp-ev-digital-twin-agent 开源：基于 MCP 的电动汽车电池数字孪生 Agent
作者开源 mcp-ev-digital-twin-agent，一个结合 SOH 预测、RUL 估计、车队分析与 MCP 工具调度的电动汽车电池数字孪生平台，用 Gemma 选择工具并生成电池健康报告。
推荐理由：作者公开了按电池留一验证的 SOH 评估结果，并说明旧模型依赖电池 ID 导致指标虚高，可作为测量式 SOH 估计的对照参考。
Journal of Energy Storage精选AI 评分4747 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。
EnergyAI 评分3434 面向电动公交车队能量管理的SOC与短期续驶里程联合多步预测
Lou等提出面向电动公交车队能量管理的SOC与短期剩余续驶里程联合多步预测方法，将两者放在同一框架中预测。该研究发表于 Energy 第366卷，作者为 Benxiao Lou、Jinjun Tang、Guobin Gu、Hongxing Chen、Jianqiu Chen，出版日期为2026年11月30日。当前仅见摘要，具体模型与精度指标未披露。
GitHub·电池与能源 Agent 工具精选AI 评分5050 Nexgen OS 0.4.0 发布：面向能源资产的开源操作系统与 AI Agent 接口
Nexgen OS 0.4.0 已在 npm 发布，可通过 npx nexgen-os init 安装，包含核心 schema 以及 building、grid。
推荐理由：该仓库把能源资产建模、光伏估算与电表数据接入整合为开源数据库底座，并给出可复现的示例数据集与安装命令。
GitHub·电池与能源 Agent 工具AI 评分88 vvramana007/battery-supply-chain-agent：基于 Claude、LangGraph 与 RAG 的供应链问答 AI agent
vvramana007/battery-supply-chain-agent 是一个端到端 AI agent，用于供应链问答，技术栈为 Claude、LangGraph 和 RAG。仓库当前 0 stars、0 forks，包含 duracell-supply-agent 目录，未发布 Releases。
关键词流·SOX 与寿命预测AI 评分3838 台湾科技大学发布校园微网 PV-BESS 多目标控制器参数设计复现包
台湾科技大学在 Zenodo 发布校园微网 PV-BESS 多目标控制器参数设计的复现包（v1），围绕光伏与储能爬坡平抑、SOC 和估计电池健康三者的权衡。