机械触发锂离子电芯热失控预警研究发布代码与派生数据包
作者发布机械触发锂离子电芯热失控早期预警研究的代码与派生数据，基于公开的 ORNL–Sandia 压痕数据集（Mendeley Data，doi:10.17632/sn2kv34r4h.2）。
推荐理由：该代码包把机械触发内短路热失控预警的误报率标定流程完整开放，含逐测试标签与复现日志，便于他人复用同一预警框架。
机器学习方法
全部主题电池领域的机器学习：特征表示、小样本与迁移、不确定性量化、大模型与文献挖掘。
最新精选
第 21–40 条 · 共 176 条关键词流·BMS 与电池智能算法精选AI 评分6262 关键词流·BMS 与电池智能算法精选AI 评分5858 融合极化动力学的物理嵌入脉冲循环神经网络用于电池SOH估计
该研究提出一种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。材料仅提供标题，未给出数据集、误差指标或实验细节。
Energy Storage Materials精选AI 评分6262 物理引导虚拟探针实现无目标标签仿真到现实的负极电位估计
Shu Xiong 等人提出一种物理引导的虚拟探针方法，通过无目标标签的仿真到现实迁移来估计负极电位。该方法面向负极电位这一析锂风险关键量，相关成果发表于 Energy Storage Materials 第 92 卷。
推荐理由：该工作用物理引导的无标签仿真到现实迁移估计负极电位，为快充析锂风险监测提供了一条不依赖实测标签的思路。
Journal of Energy Storage精选AI 评分6262 物理嵌入循环脉冲神经网络融合极化动态用于电池SOH估计
Journal of Energy Storage 第183卷B部分刊出研究，提出一种物理嵌入的循环脉冲神经网络，将极化动态融入网络结构用于电池健康状态（SOH）估计。作者为 Yi Wan、Shaoping Wang、Zhongze He、Yixuan Zhao、Di Liu，论文于2027年1月1日出版。
推荐理由：该工作把极化动态嵌入循环脉冲神经网络做SOH估计，为物理信息与脉冲网络结合提供了一条可参考的建模路径。
Journal of Energy Storage精选AI 评分5050 少标签迁移预测跨化成工艺变化的锂离子电池自放电压降
Journal of Energy Storage 第183卷Part B刊出Haoyuan Zheng、Shaobin Yang、Ding Shen、Wei Dong、Xu Zhang的研究，题为少标签迁移预测跨化成工艺变化的锂离子电池自放电压降。当前仅提供标题与作者信息，摘要正文未给出。
推荐理由：材料仅给出标题与作者信息，未提供摘要正文，无法提炼具体方法或结论层面的阅读价值。
Energy精选AI 评分6060 不确定性感知半监督学习实现真实电动车电池包老化诊断
Shan Li 等人提出一种不确定性感知半监督学习方法，利用真实电动汽车随机短充电数据实现电池包老化诊断，以降低对标注数据的依赖。该研究发表于 Energy 第 367 卷，作者包括 Jian Ma、Xuan Zhao、Qiao Wang、Kai Zhang、Qifan Xue。
推荐理由：面向真实车端随机短充电片段，用不确定性感知半监督学习降低电池包老化诊断对标注数据的依赖。
Journal of The Electrochemical Society精选AI 评分5858 四阶段热失控模型扩展至不同格式、尺寸与化学体系电芯
作者将四阶段热失控建模框架扩展至不同尺寸的镍-rich 层状氧化物正极圆柱与软包电芯，仅用 ARC 表面温度数据即可建模。方法引入三项改动：用自由断点的三段分段回归客观划分温升速率曲线、正则化提取各阶段 Arrhenius 参数以剔除阶段末病态数据、采用阶段相关质量损失函数（含延迟开阀电芯的两步泄压形式），并为严重与冷却阶段设置格式相关的非绝热边界条件。
推荐理由：该工作把四阶段热失控模型扩展到圆柱与软包三种规格，仅用 ARC 表面温度即可复现温升，为不同电芯格式的安全评估提供可迁移的建模路径。
Advanced Energy Materials精选AI 评分4646 研究揭示实用富锂锰基正极晶格释氧的结构起源
该研究结合在线电化学质谱与同步辐射 X 射线、电子显微镜，在四个数量级尺度上通过 Mn 还原分布定位 O2 释放的空间来源。两种仅次级颗粒尺寸不同的富锂锰基（LMR）正极 O2 释放量相差两倍，但电极厚度方向与颗粒内部均未检测到 Mn 还原梯度，说明差异不来自电极或颗粒尺度不均匀性。
推荐理由：该研究用在线质谱与多尺度 X 射线、电镜把晶格释氧定位到晶粒前侧面暴露，为富锂锰基正极释氧提供可迁移的结构描述符。
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。
Applied Energy精选AI 评分5252 基于容量曲线建模与注意力融合学习框架的锂电池RUL预测
Xinyu Li 等提出一种结合容量曲线建模与注意力融合学习的框架，用于锂离子电池剩余使用寿命（RUL）预测，论文发表于 Applied Energy 第 427 卷 Part F，作者包括 Jiawei Li、Jinze Li、Fang Wang、Yongming Han、Min Liu 和 Yi Zhao。目前仅有题录与作者信息，摘要未给出具体数据集、误差指标或对比基线。
Zenodo · battery 数据与软件精选AI 评分5555 UCSD 团队公开弱配位阴离子与溶剂电解液研究的数据与仿真输入
加州大学圣地亚哥分校等团队在 Zenodo 发布弱配位阴离子与溶剂电解液研究的数据归档，包含复现论文各图所需的数据、处理脚本、仿真输入和力场参数，对应投稿 Science 的论文。
推荐理由：该归档公开了弱配位阴离子与溶剂电解液研究的原始数据、处理脚本、仿真输入和力场参数，可用于复现论文图表。
Zenodo · battery 数据与软件精选AI 评分5858 弱配位阴离子与溶剂突破电导率-迁移数-溶剂化权衡的数据与仿真输入发布
加州大学圣地亚哥分校等团队在 Zenodo 发布论文《Weakly coordinating anions and solvents break the conductivity–transference–solvation tradeoff》的数据与仿真输入，版本 1.0.0，含数据、处理脚本、仿真输入和力场参数，可复现论文各图。
推荐理由：该存档公开了弱配位阴离子与溶剂电解液研究的全部数据、处理脚本、仿真输入和力场参数，便于复现论文各图。
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。
Zenodo · battery 数据与软件精选AI 评分5858 表格化电池老化模型敏感性排序在认知不确定性下的审计：设计选择、依赖输入与多源证据
研究将表格化老化模型敏感性排序背后的分析设定视为认知不确定性，对63.5 Ah NMC电芯老化模型用Sobol指数、Shapley效应和分箱Borgonovo型测度进行审计。
推荐理由：该研究用Sobol、Shapley与Borgonovo三类指标审计63.5 Ah NMC表格化老化模型的敏感性排序，揭示排序随分析设定而变。
关键词流·SOX 与寿命预测精选AI 评分5555 预印本检验容量型 SOH 的表征充分性：加入电学信息使未来电阻预测误差降低 56.25%
独立研究者发布预印本，检验容量型 SOH 是否保留独立选定的当前与未来电池目标记录所需信息，使用 Luh–Blank、NASA Ames 和 Stroebl 三个公开锂离子电池老化数据集，结合匹配状态分析与留出预测。
推荐理由：该预印本用三个公开老化数据集检验容量型 SOH 对电压、阻抗等目标的信息充分性，并给出加入电学信息后的预测误差降幅。
Journal of The Electrochemical Society精选AI 评分7878 耦合老化模式与阻抗增长的锂离子电池析锂拐点预测
作者提出将非侵入估计的老化模式（LLI、正负极活性材料损失）与电极级阻抗增长耦合的机理模型，把实测阻抗增长分解为活性材料损失与副反应两部分，并发现副反应阻抗增长与LLI呈强线性相关（Pearson 系数均超过 0.98）。
推荐理由：该工作把非侵入估计的老化模式与电极阻抗增长耦合起来，仅用前200 EFC数据即可预测析锂起始与容量拐点。
Advanced Energy Materials精选AI 评分5858 球磨诱导无序使 Li2Ta2OCl10 氧卤化物离子电导率达 11 mS.cm−1
研究报道了一种经低温路线合成的新型锂钽氧氯化物 Li2Ta2OCl10，其晶体由孤立的 [Ta2OCl10]2− 二聚体构成，室温离子电导率仅 0.002 mS.cm−1。
推荐理由：该工作通过球磨诱导无序，把一种新型氧卤化物的室温离子电导率提升 5000 倍，为固态电解质设计提供了结构无序这一可迁移思路。
Zenodo · battery 数据与软件精选AI 评分7878 退役锂离子电池双极脉冲扰动数据集发布 v2 版本
该数据集配合双极对称脉冲扰动检测电池容量损失的研究论文发布，包含退役锂离子电池测试原始数据及特征提取、诊断分析和建模所用的处理数据。
推荐理由：退役电芯的双极脉冲测试原始数据与处理特征、模型输出一并公开，便于复用其可观测特征做容量损失诊断。
GitHub·电池与能源 Agent 工具精选AI 评分6767 Volttwin 开源锂电池 SOH 估计基准代码库，含 100 个电芯与 5 种深度学习模型
Volttwin 发布锂电池 SOH 估计基准代码，覆盖 100 个电芯、CNN/LSTM/GRU/MLP/Attention 5 种深度学习模型、3 种输入类型与 3 种归一化方法，对应论文发表于 Journal of Energy Storage（2024，109884）。
推荐理由：该代码库把 100 个电芯、5 种深度学习模型与 3 类输入统一到同一命令行接口，便于直接复现 SOH 估计基线。