AI 日报 · 2026 年 10 月 26 日 · 星期一
BATHOT ACAD
Volttwin 开源锂电池 SOH 估计基准代码库
Volttwin 发布锂电池 SOH 估计基准代码，覆盖 100 个电芯、5 种深度学习模型、3 种输入类型与 3 种归一化方法。同日，退役锂离子电池双极脉冲扰动数据集发布 v2 版本，Scale AI 开源 GridSimEnv 电网储能交易强化学习环境 v1。
论文研究
双溶剂电解液锂电池局部通量非均匀性与针刺热失控建模
Anop Mundel 与 Abhishek Sarkar 在 Journal of Energy Storage 第 183 卷 Part B 发表研究，对双溶剂电解液锂电池的局部通量非均匀性及针刺驱动热失控进行建模。该文于 2027 年 1 月 1 日刊出，目前仅公开摘要信息。
物理信息状态空间框架通过电化学状态重构与特征解耦估计电池 SOH
Xianzheng Su 等人在 Journal of Energy Storage 第 183 卷 Part B 提出一种物理信息状态空间框架，通过电化学状态重构与特征解耦实现电池 SOH 估计。该文发表于 2027 年 1 月 1 日，目前仅有摘要信息。
电动飞机用锂离子电池系统高倍率放电下的低压热安全特性
Fei Li 等人在 Energy Conversion and Management 发表研究，考察电动飞机用锂离子电池系统在高倍率放电下的低压热安全特性。作者为 Zengjiang Zou、Xu Huang、Xudong Cheng、Rong Qiu、Yangyang Fu，论文发表于第 372 卷 Part A，出版日期为 2027 年 1 月 15 日。
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）。
一种用于动态工况下容量估计的差分时间分析方法
Jiayang Hou、Jun Xu 等人在 Journal of Energy Chemistry 第 124 卷提出一种差分时间分析方法，用于动态运行工况下的电池容量估计。作者包括 Chuanping Lin、Ziwei Ma、Weiqi Wang 与 Xuesong Mei，该文预计 2027 年 1 月出版。
热调控实现锂对称电池界面恢复
Thi Thu Lai 等人在 Electrochimica Acta 第 582 卷发表研究，提出通过热调控实现锂对称电池的界面恢复。材料仅提供标题与作者信息，未给出具体温度条件、恢复效果或测试数据。
数据与工具
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。
Volttwin 开源锂电池 SOH 估计基准代码库，含 100 个电芯与 5 种深度学习模型
Volttwin 发布锂电池 SOH 估计基准代码，覆盖 100 个电芯、CNN/LSTM/GRU/MLP/Attention 5 种深度学习模型、3 种输入类型与 3 种归一化方法，对应论文发表于 Journal of Energy Storage（2024，109884）。
Scale AI 开源 GridSimEnv 电网储能交易 RL 环境 v1
Scale AI 开源 AgentEnv 框架下的 GridSimEnv v1，把 ERCOT 2014 至 2026 年真实日前电价与 EIA-860 电池档案做成 21,250 个电池日任务，智能体每天提交 24 个整数充放电动作，由动态规划在 1 毫秒内求出精确最优并按公式打分，无需评审模型。
二次寿命电池能量管理强化学习复现包发布 v3 版本
ECM-D-26-08807（Energy Conversion and Management 第三轮修订）的复现包发布 v3，新增 revision_R3 目录。
物理引导学习用精简特征预测电池热失控的代码发布
Zenodo 发布研究《Physics-guided learning predicts battery thermal runaway from parsimonious features》的源代码，版本 v1，以 6.8 MB 的 zip 包提供下载。该记录只包含代码文件，未在描述中给出数据集、模型细节或预测结果。
河海大学发布光伏与电池储能微网预测修订决策中性数据集
河海大学Yun Xing为投稿 Applied Sciences 的论文发布补充数据集，研究次日预测修订何时真正改变电池调度决策。