基于充电信号估计放电增量容量特征的锂离子电池老化监测框架

该论文提出一种神经网络框架，直接从充电信号预测放电增量容量（IC）特征，从而免去低电流放电测量。模型在 53 个电芯、多种快充协议的数据集上训练，能在未见过的电池数据上估计老化指标；在评估的多种架构中，LSTM 在预测精度与计算效率之间取得最佳平衡。作者称该方法可实时集成到 BMS，在不干扰电池正常运行的条件下增强老化监测。