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。
BMS
全部主题电池管理系统相关研究：状态估计算法的车载部署、均衡、云端电池管理。
43条精选相关主题SOH/SOC 估计储能应用
最新精选
第 1–20 条 · 共 43 条Zenodo · battery 数据与软件精选AI 评分5858
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。
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。
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。
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。
关键词流·BMS 与电池智能算法精选AI 评分6565 牛津布鲁克斯大学发布赛车电池数字孪生配套模型与数据包
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。
推荐理由：牛津布鲁克斯大学公开赛车电池数字孪生配套的12个PINN与NN模型、验证结果和LG M50T实验数据，可直接复现。
GitHub·电池与能源 Agent 工具精选AI 评分6060 cellpy 发布 MCP 服务器 cellpy-mcp，可用聊天客户端操作电芯数据
cellpy 发布 MCP 服务器 cellpy-mcp，让 agent 或聊天窗口在不写 Python 的情况下加载电芯、汇总为 frame、出图、导出数据、查询 cellpy API 调用方式并创建批处理项目。
推荐理由：cellpy 官方发布 MCP 服务器，让聊天客户端无需写 Python 即可加载电芯、出图与导出数据，并给出沙箱根目录与已知限制。
Renewable and Sustainable Energy Reviews精选AI 评分4848 综述提出真实车载动态工况是电池科学缺失的维度
Kumlachew Yeneneh 与 Gadisa Sufe 在 Renewable and Sustainable Energy Reviews 发表观点文章，指出电池研究多基于稳态条件，而真实汽车运行中的动态工况是电池科学中缺失的一个维度。文章发表于 2027 年 1 月的第 245 卷 Part A，目前仅有摘要公开。
推荐理由：文章把真实车载动态工况列为电池科学中被忽略的维度，为实验设计与模型验证提供了一条可迁移的视角。
eTransportation精选AI 评分6262 Sparse2Batt：从量产BMS的极少量广播数据重建完整电池包场分布
Kyunghyun Kim 与 Jung-Il Choi 提出 Sparse2Batt，用于从量产 BMS 的极少量广播数据恢复完整电池包场分布。该文发表于 eTransportation 第 30 卷，出版日期为 2026 年 12 月，目前仅有摘要信息。
GitHub·电池与能源 Agent 工具精选AI 评分5050 battery_fade 基准：用 Rust 预测车队电芯容量与更换周期
battery_fade 是一个面向电池租赁车队的 Agent 基准任务，要求用 Rust 在离线 Cargo 项目中输出每个在役电池包的 capacity_pct 与 replace_cycle（低于铭牌 80% 时的循环数）。
推荐理由：该基准用三个刻意设置的陷阱区分正确与错误建模路线，读者可据此了解电池容量估计中数据泄漏与分布外外推的常见失效模式。
Applied Energy精选AI 评分4040 基于时间分段DBSCAN的电池电压不一致性无监督异常检测与溯源方法
Jichao Hong 等人提出一种基于时间分段 DBSCAN 算法的电池电压不一致性无监督异常检测与溯源方法，发表于 Applied Energy 第 427 卷 Part E，出版日期为 2027 年 1 月。该方法面向电压不一致性识别，并同时给出异常溯源能力，摘要未披露具体数据集、电芯数量与检测指标。
推荐理由：针对电池电压不一致性，提出无监督异常检测与溯源方法，为实车电压数据缺乏标签的场景提供可迁移思路。
arXiv · battery（eess.SY 系统与控制）精选AI 评分5858 EnKI 用于非线性随机状态空间模型辨识并在锂电池模型上验证
作者提出基于集合卡尔曼反演（EnKI）的非线性随机状态空间模型辨识方法，通过连续局部高斯近似做最大后验参数估计，并结合以最新参数为条件的状态估计同时恢复隐状态。
推荐理由：针对非线性随机状态空间模型参数与隐状态耦合辨识难题，给出可处理高维未知参数的迭代估计流程。
Zenodo · battery 数据与软件精选AI 评分5858 FedWGT 开源：面向车用电池故障诊断的双加权联邦学习代码与实验产物
FedWGT 发布车用电池故障诊断的双加权联邦学习框架源码与实验产物，客户端采用基于有效样本数的类别均衡目标，服务端按可靠性、数据量和标签覆盖度加权聚合。
推荐理由：该仓库把 FedWGT 的客户端训练、服务端聚合与七种联邦基线一并开源，并给出 96 与 98 电芯队列的固定划分，便于复现电池故障诊断的联邦对比实验。
Energy精选AI 评分5252 面向BMS的计算高效降阶电化学模型纳入扩散诱导应力
Hongyu Zhao 等人在 Energy 第 366 卷发表研究，提出一种面向锂离子电池管理系统（BMS）的计算高效降阶电化学模型，并在模型中纳入扩散诱导应力。
推荐理由：面向BMS的降阶电化学模型把扩散诱导应力纳入计算，为应力与电化学耦合的实时估计提供了一条低算力路径。
GitHub·电池与能源 Agent 工具精选AI 评分6262 battery-health-agent 开源锂电故障检测与健康分析代码库
jianghu511321/battery-health-agent 是 Nature Communication 论文《Realistic fault detection of Li-ion battery via dynamical deep learning approach》的官方代码仓库。
推荐理由：仓库把 DyAD、GDN、AE-SVDD、LSTM-AD 等故障检测模型与 SOH 预测原型放在一起，并给出五折实验的完整运行步骤。
Applied Energy精选AI 评分5555 基于嵌入式光纤多物理传感的物理约束状态空间模型用于电池SOC估计
Yuqian Fan 等人提出一种物理约束状态空间建模方法，利用嵌入式光纤多物理传感实现电池 SOC 估计，论文发表于 Applied Energy 第 427 卷第 E 部分。材料仅提供标题与作者信息，摘要未给出具体精度指标、电芯体系与实验条件。
推荐理由：该工作把嵌入式光纤多物理传感与物理约束状态空间模型结合，为SOC估计提供了一条引入内部测量量的建模路径。
Zenodo · battery 数据与软件精选AI 评分5858 格拉茨工业大学提出机械约束锂离子电池压缩力预测模型
格拉茨工业大学等机构提出一个电化学与力学耦合模型，可在不依赖实时力传感器的情况下预测机械约束下锂离子电池的压缩力。在初始外压 0.201 MPa 条件下，模型预测与实验结果相比，1C 放电时 MAPE 为 4.48%，多阶段驾驶循环工况下为 7.02%。该框架针对受约束电池压缩力预测的空白，可用于电池模组的实时受力监测与安全评估。
推荐理由：该模型无需力传感器即可预测受约束电芯的压缩力演化，为电池模组安全评估提供了一条可复现的建模路径。
关键词流·多物理场模型精选AI 评分6262 基于嵌入式光纤多物理场传感的物理约束状态空间建模用于电池SOC估计
该研究提出一种物理约束状态空间建模方法，利用嵌入式光纤多物理场传感数据进行电池SOC估计。材料仅提供标题，摘要依据标题信息整理。