过去 30 天，电池学术圈讨论最多的 10 件事
10月30日 13:15 更新 · 按讨论热度排序
2026年10月28日，有研究信息提出一种基于颜色传感的钒液流电池原位荷电状态（SOC）与健康状态（SOH）监测方法，但原文仅提供标题，未给出传感原理、测量精度与验证结果。10月29日，Journal of Energy Storage 刊出相关信息，称该研究用颜色传感在钒液流电池运行过程中监测SOC与SOH，作者包括 Ilia Khristoforov、Nikita Buryak、Maxim Minin 等，发表于该刊第183卷第B部分，出版日期标注为2027年1月1日。目前公开的订阅源仅提供标题与作者信息，未披露方法细节与实验数据，事件仍处成果发布阶段，后续进展有待报道。
最新进展10月29日该研究信息刊于Journal of Energy Storage第183卷第B部分，仍仅披露标题与作者。
2026年10月28日，有报道提及一项针对高功率圆柱锂离子电池模组的研究，提出将相变材料与扁平热管结合的混合热管理系统，并开展实验与数值模拟，但报道仅提供标题，未给出电芯型号、功率水平、温控指标或数值模型细节。2026年10月29日，Journal of Energy Storage 第183卷 Part B 刊出 R.D. Jilte 等人的研究，题为《相变材料与扁平热管混合系统用于高功率圆柱锂离子模组的实验与数值研究》，同样以高功率圆柱锂离子模组为对象，对相变材料与扁平热管混合的电池热管理系统开展实验与数值研究。目前公开的仅为题录信息，报道未给出具体温控数据与结论，研究细节和结果尚待披露。
2026年10月28日，有报道称一项研究提出基于膨胀行为与Autoformer的物理信息学习框架，用于锂离子电池SOH（健康状态）估计，但仅提供标题，未给出数据集、精度指标或代码获取方式，也未说明研究机构、实验条件与验证结果。10月29日，Journal of Energy Storage刊出相关论文，报道称Shu等人提出该物理信息学习框架，利用电芯膨胀行为结合Autoformer估计锂离子电池SOH，论文发表于该刊第183卷Part B；该报道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。目前框架的具体性能与可复现性仍不明确，后续进展有待更多报道披露。
2026年10月27日至28日，北京工业大学团队关于锂离子电池SOC与SOP联合估计的方法被报道。该方法采用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，模型参数由SLPSO辨识。报道称，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。早先报道称该工作发表于2026年10月28日《Journal of The Electrochemical Society》，后续报道显示相关关键词流信息时间为2026年10月27日，两篇报道在方法内容与数值结果上一致，仅日期标注不同。目前该工作处于方法提出与对比验证阶段，尚无后续应用或实车验证的报道。
2026年10月27日，Hongda Li 等人在 Journal of Energy Storage 第183卷第B部分发表研究，面向高能量密度电池包设计并优化浸没式冷却热管理系统。同日另有报道以关键词流形式介绍该研究，称其围绕高能量密度电池包的浸没式冷却热管理系统开展设计与优化，但电芯体系、冷却介质、结构参数与优化结果在现有材料中均未给出。早先报道称该文于2027年1月1日刊出，目前仅有摘要信息，具体优化方法与温控效果数据尚未公开。目前该研究仍处于仅有摘要、关键设计与效果数据未披露的阶段。
2026年10月27日，Journal of The Electrochemical Society 对2015年一篇关于活性炭改性提升中性锌离子电池Zn负极循环性能的论文发布更正，修正Fig. 6及实验部分描述。更正指出，原文采用MnO₂作活性对电极的三电极体系不适当，原因是MnO₂存在相变、溶解和溶液pH波动等副反应；测试改为Zn作负极、MnO₂作正极的两电极体系。CV测试条件为2 mV s⁻¹、1.0–2.0 V vs. Zn/Zn²⁺、1 mol L⁻¹ ZnSO₄电解液。目前进展即为该更正已正式发布。
2026年10月26日，有报道提到一项研究提出物理嵌入的脉冲循环神经网络，将极化动力学融入网络结构，用于电池健康状态（SOH）估计，但该报道仅提供标题，未给出数据集、误差指标或实验细节。10月27日，《Journal of Energy Storage》第183卷B部分刊出该研究，作者为 Yi Wan、Shaoping Wang、Zhongze He、Yixuan Zhao、Di Liu，论文标注出版日期为2027年1月1日。目前该事件仅有上述报道，尚无后续验证或应用进展。
2026年10月25日，有报道以“电动飞机用锂离子电池储能系统高倍率放电下的低压热安全特性”为题，介绍了一项关注电动飞机用锂离子电池储能系统在高倍率放电条件下低压热安全特性的研究，当时材料仅提供标题，电芯体系、压力条件与实验结论均未披露。同日后续报道称，该研究由 Fei Li 等人完成，作者包括 Zengjiang Zou、Xu Huang、Xudong Cheng、Rong Qiu、Yangyang Fu，发表于 Energy Conversion and Management 第 372 卷 Part A，出版日期为 2027 年 1 月 15 日。早先报道称材料仅有标题、核心信息未公开，后续报道则补充了作者名单、期刊卷期与出版日期，但仍未披露具体实验结论。
2026年10月24日，有报道称一项工作提出物理信息状态空间框架用于电池健康状态（SOH）估计，核心思路为电化学状态重构与特征解耦。该报道仅提供标题，摘要依据标题信息整理，未包含数据集、精度或代码等细节。2026年10月25日，Journal of Energy Storage 刊出相关论文信息，称Xianzheng Su等人在该刊第183卷Part B提出同一框架，通过电化学状态重构与特征解耦实现电池SOH估计，文章标注发表于2027年1月1日，目前仅有摘要信息。早先报道未提及作者与发表刊物，后续报道补充了作者、期刊卷期及出版日期，但两篇报道均未给出数据集、精度或代码等验证细节，具体方法与实验结果仍无法确认。
2026年10月24日，有报道称牛津布鲁克斯大学在Zenodo发布赛车电池数字孪生论文的配套资源包，含12个训练好的模型（PINN-KP、PINN-LP和NN，分别预测电压与温度，基于两类工况曲线训练）、验证结果与LG M50T电芯实验数据、模型与推理代码，以及可逐点运行模型的网页界面。10月25日，牛津布鲁克斯大学在Zenodo发布赛车电池数字孪生资源包，对应论文《Motorsport battery digital twin: physics-informed neural networks solving the Single Particle Model with Electrolyte》，以物理信息神经网络（PINN）求解含电解质的单粒子模型（SPMe），面向赛车电池数字孪生应用。目前公开信息仅涉及发布本身，尚无后续报道披露资源包的使用情况或外部评价。
热度来自参与同一事件的独立账号与机构，重复采集只算一次，并按 15 天的半衰期衰减。它衡量讨论活跃程度，不是报道质量评分。
榜单统计过去 30 天。趋势只比较持续覆盖的同一组信源；它反映我们的监测范围，不代表全网人数。缺少可比历史时，不展示趋势线。
信源名单只展示可公开阅读的报道来源；讨论参与者还包括只计入热度的账号与机构。同一机构的多个渠道可能合并计数，因此参与者不一定多于信源数。点击事件可查看各方报道与观点。