热点事件历史事件
PyBaMM与群智能优化家庭储能电池退化
1 篇报道1 个报道来源7 天前更新
先了解这件事
事件综述
2026年10月23日，Zenodo平台发布的一项研究显示，西班牙马德里理工大学与埃因霍温理工大学团队提出一种家庭能源管理中的电池老化建模方法：以PyBaMM物理模型刻画电池性能，并结合鲸鱼优化、灰狼优化、粒子群和引力搜索四种群智能算法进行求解，以SOH（健康状态）作为Pareto前沿中最优运行方案的选择依据。目前该工作以数据与软件形式公开，报道未提及实验验证、对比结果或实际部署情况，事件仍处于方法提出与工具发布阶段。
根据报道自动生成 · 7 天前更新
最新进展10月23日 04:11
两校团队发布基于PyBaMM与四种群智能算法的家庭储能电池老化建模方法。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- Zenodo · battery 数据与软件基于 PyBaMM 物理模型与群智能算法的家庭能源管理电池老化建模
西班牙马德里理工大学与埃因霍温理工大学团队提出用 PyBaMM 物理模型结合鲸鱼优化、灰狼优化、粒子群和引力搜索四种群智能算法刻画电池性能，并以 SOH 作为 Pareto 前沿中最优运行方案的选择依据。
本事件热度走势
当前热度 7·可比范围峰值 10（10月23日 16:00）·近 24 小时可比范围变化 -4%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。