串联钠离子电池组被动自发热均衡效应：定量表征、能力边界与一致性拉平收益曲面
该研究沿用前作定理，定量刻画串联钠离子电池组中被动自发热的自均化机制：在 -30 ℃/0.5C 下容量 COV 拉平 39.7%，高低差距收窄 33.9%，模型补全前后结果一致（40.7%→39.7%）。
推荐理由：该文量化了串联钠电电池组中被动自发热对内阻与容量离散的拉平幅度，并给出失效边界与倍率甜区。
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 21–40 条 · 共 43 条关键词流·BMS 与电池智能算法精选AI 评分5858
关键词流·BMS 与电池智能算法精选AI 评分4747 电池管理系统中的机器学习：799 项研究的双层范围综述与验证审计
该综述对电池管理系统中机器学习的 799 项符合条件研究进行双层范围综述，给出深入分类并开展验证审计。材料仅提供标题，未包含具体分类框架、审计结果或获取方式。
arXiv · battery（eess.SY 系统与控制）精选AI 评分6060 滤波增强强化学习实现 SOH 与析锂感知的电池快充
作者提出基于 TD3 的滤波增强强化学习框架，用于兼顾健康状态的锂电池快充，奖励函数结合 SOH 信息与源自恒流恒压过电位策略的 SOH 相关电压惩罚项。针对车载 SOH 估计噪声，框架在噪声统计未知时用 EMA 滤波、已知时用 Kalman 滤波，并将滤波估计同时嵌入智能体状态与奖励计算。
推荐理由：在 LG M50 电芯参数化下，该工作把带噪 SOH 估计经 EMA 或 Kalman 滤波后嵌入 TD3 的状态与奖励，量化了噪声对快充寿命收益的影响。
PyBaMM Releases精选AI 评分7373 PyBaMM 发布 26.10.1.0：支持 Python 3.15 并修复多项模型错误
PyBaMM 发布 v26.10.1.0，新增对 Python 3.15 的支持，jax extra 可接受最高 0.11 的 JAX，fem extra 通过 pip install "pybamm[fem]" 安装 scikit-fem 与 meshio 以支持 2D 和 3D 有限元网格。
推荐理由：PyBaMM 26.10.1.0 修复了 Marcus 动力学、Ai2020 电解液扩散系数等影响求解的错误，并新增 Python 3.15 与有限元依赖支持。
PyBaMM Releases精选AI 评分8080 PyBaMM 发布 26.10.0.0：符号不可变、IDAKLU 多输入求解与多项性能优化
PyBaMM 发布 26.10.0.0，要求同时升级 pybammsolvers>=0.11.0，以支持 IDAKLU 求解器统计与自调度输入集扫描。
推荐理由：PyBaMM 26.10.0.0 的破坏性变更与 IDAKLU 多输入求解改进，可供依赖该库的建模与仿真工作评估升级成本。
PyBaMM Releases精选AI 评分5252 PyBaMM 求解器包 pybammsolvers v0.11.0 发布
pybammsolvers 发布 0.11.0，该版本为下一个 PyBaMM 版本所依赖（pybammsolvers>=0.11.0,<0.12.0）。
推荐理由：PyBaMM 求解器依赖包 0.11.0 的更新日志，涉及求解统计、多输入并行调度与 KLU 排序优化，可供使用 PyBaMM 做参数扫描的读者参考。
Journal of Energy Storage精选AI 评分5858 分层深度强化学习-模型预测控制框架用于膨胀力约束下的锂离子电池快充
Journal of Energy Storage 第182卷Part F刊出Lei Zhang等人的研究，提出一种分层深度强化学习与模型预测控制相结合的框架，用于膨胀力约束下的锂离子电池快充。作者为Lei Zhang、Tianyou Wang、Shun Tang、Kuijie Li，出版日期为2026年12月30日。
推荐理由：针对膨胀力约束下的锂离子电池快充，提出分层深度强化学习与模型预测控制结合的框架，可供快充策略研究者参考其约束处理思路。
Energy Storage Materials精选AI 评分6262 电压传感器失效下 LFP 电池的电化学约束容错状态估计
针对平板状 LFP 电池电压平台平坦、电压传感器失效时状态估计困难的问题，作者提出一种电化学约束的容错状态估计方法。该工作发表于 Energy Storage Materials 第 91 卷，作者包括 Feng Guo、Luis D. Couto、Hamid Hamed 等。摘要未提供具体实验数据与精度指标。
推荐理由：针对 LFP 电压平台平坦、电压传感器失效场景，提出电化学约束的容错状态估计思路，可供 BMS 状态估计研究参考。
Applied Energy精选AI 评分6262 基于上下文强化学习的多化学体系多尺寸电池包统一安全快充策略
Saumya Karan 与 Pallavi Bharadwaj 在 Applied Energy 第 427 卷 Part C 发表研究，提出用上下文强化学习为多化学体系、多尺寸电池包训练单一安全快充控制策略。该工作以单一策略覆盖不同化学体系与不同规格的电池包，避免为每种体系单独设计充电策略。论文发表于 2027 年 1 月。
推荐理由：面向多化学体系与多尺寸电池包，用上下文强化学习训练单一快充策略，为跨体系充电控制提供可迁移思路。
arXiv · battery（eess.SY 系统与控制）精选AI 评分8585 Public Battery Field Data：23个公开电池现场数据集汇总
该工作整理了来自17个研究组的23个公开电池现场数据发布，覆盖乘用EV、公交、轻型电动出行、电网级储能、分布式储能、消费电子与工业机器人等应用。在数据完整可统计的范围内，合集包含226 GB数据、至少131096个锂离子电芯、3025个电池系统、44.4 MWh储能容量和2918个已发布单元年观测，并含784个已标注或报告的故障。
推荐理由：汇总23个公开实车与储能现场数据发布，给出统一元数据与加载代码，可用于现场诊断与故障检测研究。
arXiv · battery（eess.SY 系统与控制）精选AI 评分8888 Robert Masse 整理 35 份公开电池现场数据集，覆盖 149188 个电芯
Robert Masse 发布一个经整理的公开电池现场数据集合，收录来自 27 个研究组的 35 份公开数据发布，覆盖乘用电动车、公交车、轻型电动出行、电网级储能、分布式储能、消费电子、工业机器人和卫星等应用。
推荐理由：该集合把 35 份格式各异的公开实车与在役电池数据统一成带校验和与加载代码的元数据仓库，便于跨来源比较。
arXiv · battery（eess.SY 系统与控制）精选AI 评分7171 MPC-RL 分层控制用于多时间尺度电池系统
该工作提出 MPC 与强化学习结合的分层控制框架，高层 MPC 在慢时间尺度优化长时域设定点，低层预训练 RL 智能体在快时间尺度实时跟踪设定点，从而避免模型线性化和重复求解最优控制问题。
推荐理由：针对 BESS 调频场景中秒级收益与周月级老化冲突，提出 MPC 与 RL 分层控制，并给出寿命与收益的量化对比。
eTransportation精选AI 评分6060 高压储能模块间双向电荷转移实现车载自主 SOH 估计与预处理
Cem Sayilgan 等人在 eTransportation 第 29 卷发表研究，提出利用高压储能系统模块间的双向电荷转移，在车辆应用中实现自主 SOH 估计与预处理。作者包括 Alexander Kunz、Tobias Kussinger、Johannes Sturm、Simon V. Erhard 和 Andreas Jossen，论文发表于 2026 年 9 月。
eTransportation精选AI 评分5858 基于语义嵌入的端到端深度学习用于储能系统现场数据 SOH 估计
Yue Xiang、Ziyou Song、Dipti Srinivasan 在 eTransportation 第 29 卷提出一种语义嵌入的端到端深度学习方法，用于电池储能系统基于现场数据的 SOH 估计。该工作发表于 2026 年 9 月。
推荐理由：面向储能系统现场数据，提出语义嵌入的端到端 SOH 估计框架，为现场数据下的健康状态估计提供一条可迁移思路。
eTransportation精选AI 评分6262 面向车载的准分布式热-力传感与模组多级热失控预警
eTransportation 第 29 卷刊出研究，提出面向车载应用的准分布式热-力传感方案，用于电池模组的多级热失控预警。作者为 Chao Yu、Jiangong Zhu、Xuexiang Cao、Xuezhe Wei、Haifeng Dai 等。
推荐理由：面向车载场景提出准分布式热-力传感与多级热失控预警方案，为模组级安全监测提供可迁移的传感与分级思路。
arXiv · battery（eess.SY 系统与控制）精选AI 评分6060 RFSR-MI-MPC：面向可重构电池组实时控制的排序前缀可行集限制
作者提出 RFSR-MI-MPC，一种基于排序前缀的可行集限制方法，用于带单体旁路开关的串联可重构电池组实时混合整数模型预测控制。每个采样时刻按单步目标相关的适配度分数对电芯排序，将投入变量限制为该排序的前缀，使每步可行投入模式数从组合级降为与电芯数线性，同时不改变模型、目标函数与物理约束。
推荐理由：针对可重构电池组实时混合整数MPC的组合爆炸问题，提出按排序前缀限制可行集，在20电芯WLTC工况下求解时间与SOC一致性均有量化改善。
arXiv · battery（eess.SY 系统与控制）精选AI 评分6060 面向退化感知电池调度的安全滚动时域混合整数可微预测控制
作者提出一种面向住宅电池储能调度的安全滚动时域混合整数可微预测控制方法，结合神经网络速度与递归可行性保证，并引入实时 SOC 反馈与正弦时刻条件，实现每个时间步闭环重规划而无需重解混合整数规划。
推荐理由：面向住宅储能调度的退化感知控制方法，用可微雨流计数层把循环老化物理嵌入策略训练，并给出递归可行性保证。
arXiv · battery（eess.SY 系统与控制）精选AI 评分6262 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。
推荐理由：该工作用充电信号预测放电 IC 特征，省去低电流放电测量，为快充场景下的在线老化监测提供了一条可迁移思路。
arXiv · battery（eess.SY 系统与控制）精选AI 评分6161 R2D：从异构多时间尺度时序直接学习电池能量管理控制策略
该论文提出 Representation-to-Decision（R2D）端到端模仿学习框架，通过模块化 Temporal Feature Extractors（TFEs）与共享隐表示，将异构多时间尺度时序输入直接映射为电池控制决策，无需显式的负荷与光伏预测步骤，控制最优性由老化感知的 MILP 专家经行为克隆锚定。
推荐理由：该工作把电池能量管理从先预测后优化改为直接从多时间尺度时序决策，并在五个工业站点上与六种控制器对比，可供做控制策略选型时参考。
PyBaMM Releases精选AI 评分6767 PyBaMM 26.8.0.0 发布：新增非结构网格支持并修复 IDAKLU 诊断与内存泄漏
PyBaMM 发布 26.8.0.0，新增非结构网格支持（UnstructuredSubMesh、生成器与界面耦合），可处理任意 2D/3D 域，六面体需平面面，UserSuppliedUnstructuredMesh 仅接受四面体、三角形和四边形单元。
推荐理由：PyBaMM 26.8.0.0 新增非结构网格支持并修复 IDAKLU 诊断输出与内存泄漏，使用该求解器的用户可据此评估升级。