电压传感器失效下 LFP 电池的电化学约束容错 SOC 估计
该工作提出电化学约束残差偏置补偿双扩展卡尔曼滤波（RBC-DEKF）及不确定初值投运流程，用面向热管理的参数分组单粒子模型（CPG-SPMT）提供双电极动力学与端电压预测，并以可独立配置的电压偏差状态容纳系统性残差。
推荐理由：针对 LFP 平坦电压平台下电压传感器故障与 SOC 估计耦合的难题，提出电化学约束的残差补偿双 EKF，并给出 24 条温度驱动轨迹上的量化对比。
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 141–160 条 · 共 176 条arXiv · battery（eess.SY 系统与控制）精选AI 评分7171 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。
arXiv · battery（eess.SY 系统与控制）精选AI 评分6262 长期电池储能规划需要多高的建模精度：运行、老化与时间表征的保真度评估
该研究评估长期电池储能系统规划所需的建模保真度，以 20 年并网微网为算例，先用不考虑老化的规划模型定容，再固定装机组合做逐时序生命周期验证。参考表征包含非线性日历与循环老化、C-rate 相关效率、SOH 相关性能、自放电、电池更换和完整 8760 小时时序，结果为第 9 年和第 18 年更换、生命周期净现值成本 1.1125 亿美元、累计未供能量 24.01 MWh。
推荐理由：原文用 20 年微网算例量化了简化老化与时间表征对全生命周期成本、更换时点和缺供电量的偏差方向，可据此选择与目标指标匹配的建模精度。
Energy Storage Materials精选AI 评分5555 一种通过解析映射发现平衡精度与早期可预测性的电池寿命预测框架
Ruohan Guo 等人提出一种灵活的电池寿命预测框架，通过解析映射发现来平衡预测精度与早期可预测性。该工作发表于 Energy Storage Materials 第 91 卷，作者包括 Jinpeng Tian、Wanzhou Sun、Weixiang Shen 和 Chi Yung Chung。目前仅见摘要信息，具体方法与验证结果未在材料中给出。
推荐理由：针对电池寿命预测中精度与早期可预测性的权衡，提出可灵活调节的解析映射发现框架，为早期寿命预测建模提供可迁移思路。
eTransportation精选AI 评分6060 锂离子电池老化诊断中半电池模型拟合方法的基准比较
eTransportation 第 29 卷刊出 Tingkai Li 等人的研究，对锂离子电池老化诊断中的半电池模型拟合方法进行基准比较。作者包括 Yifan Zhang、Benjamin Nowacki、Sina Navidi、Thomas Schmitt、Shan Hu 与 Chao Hu，论文计划于 2026 年 9 月出版。目前仅提供摘要，未给出具体方法细节与评测结果。
推荐理由：原文系统比较了半电池模型拟合在锂离子电池老化诊断中的多种方案，读者可据此了解不同拟合路线的适用边界。
eTransportation精选AI 评分5858 光纤传感器识别不同规格圆柱 Li-ion 与 Na-ion 电芯的产热与散热机制
Xibin Lu 等人在 eTransportation 第 29 卷发表研究，用光纤传感器识别不同规格圆柱 Li-ion 与 Na-ion 电芯的产热与散热机制。作者包括 Jean-Marie Tarascon、Jiaqiang Huang 等，论文 2026 年 9 月出版。
推荐理由：用光纤传感器在圆柱 Li-ion 与 Na-ion 电芯内部区分产热与散热路径，为不同规格电芯的热行为对比提供实测手段。
eTransportation精选AI 评分6060 基于脉冲测试与联邦学习的退役电池类型秒级识别方法
研究提出一种利用脉冲测试的联邦学习方法，实现退役电池类型的秒级异构识别，并在输出层加入隐私保护。作者包括 Hang Hu、Xinghao Huang、Chen Liang 等，成果发表于 eTransportation 第 29 卷，出版日期为 2026 年 9 月。
推荐理由：面向退役电池分选场景，用脉冲测试结合联邦学习做秒级类型识别，并给出输出层隐私保护方案。
eTransportation精选AI 评分5858 基于非线性超声与 LSTM 深度学习的锂离子电池在线状态估计
Santhakumar Sampath 等人提出用非线性超声测量结合 LSTM 深度学习模型实现锂离子电池在线状态估计，论文发表于 eTransportation 第 29 卷，出版日期为 2026 年 9 月。作者包括 Tam Van Huynh、Xuesong Yin、Zi Wen Tham、Andrew Ngo、Hoon Sohn 和 Lei Zhang。目前仅提供摘要信息。
推荐理由：该工作把非线性超声测量与 LSTM 结合用于锂离子电池在线状态估计，为电化学之外的状态感知提供了一条可迁移的技术路线。
eTransportation精选AI 评分5050 过放电锂离子电池性能的多维量化与老化模式识别
Ze Zhang 等人在 eTransportation 第 29 卷发表研究，对过放电锂离子电池进行多维性能量化并识别其老化模式。作者为 Bin Duan、Peng Huang、Changlong Li、Guangcai Zhao、Yongzhe Kang 等，论文于 2026 年 9 月出版。
推荐理由：针对过放电锂离子电池，从多个维度量化性能并识别老化模式，为过放电后的状态评估提供可迁移的分析框架。
eTransportation精选AI 评分5050 序列与特征融合框架提升随机充电工况下的电池 SOH 估计鲁棒性
eTransportation 第 29 卷将刊出 Fan Chen 等人的研究，提出一种序列与特征协同融合框架，用于在真实随机充电工况下稳健估计电池 SOH。当前 feed 仅提供标题与作者信息，未给出摘要、数据集与误差指标。
推荐理由：材料仅给出标题与作者信息，未提供摘要正文，无法提炼具体方法细节或结果。
eTransportation精选AI 评分6262 基于弱监督学习的锂离子电池SOH可解释估计方法
Cheng Qian 等人提出一种弱监督学习方法，在标签极少的条件下实现锂离子电池健康状态（SOH）估计，并强调估计结果的可解释性。该研究发表于 eTransportation 第 29 卷，作者包括 Hongsheng Guan、Yiyong Xiao、Li Wang、Yi Ren、Quan Xia、Dezhen Yang、Zili Wang。
推荐理由：面向标签极少的SOH估计场景，提出弱监督方案并强调可解释性，可供数据稀缺条件下的建模参考。
eTransportation精选AI 评分6060 退役锂离子电池快速分选框架：基于电极级老化状态诊断
eTransportation 第 29 卷刊出 Qingqing Yang 等人的研究，提出一种面向退役锂离子电池的快速分选框架，通过电极级老化状态诊断实现分选。作者包括 Huaqin Zhang、Jianwei Li、Zhiwei He、Weiming Teng、Guodong Zhang，出版日期为 2026 年 9 月。
推荐理由：面向退役电池分选，提出从电极层面诊断老化状态的快速框架，可为梯次利用分选流程提供方法参考。
eTransportation精选AI 评分5050 基于实车数据评估差分电压分析与EIS在电动汽车上的应用潜力
Raphael Urban 等人在 eTransportation 第 29 卷发表研究，基于真实世界数据评估差分电压分析与 EIS 在电动汽车上的应用潜力。
推荐理由：基于实车数据评估差分电压分析与EIS在车端SOH估计中的可行性，为方法选型提供真实工况参照。
eTransportation精选AI 评分6262 基于物理建模与智能优化的高能量锂离子电池快充策略
Yajie Liu 等人提出结合物理建模与智能优化的方法，用于实现高能量锂离子电池的快充。该研究发表于 eTransportation 第 29 卷，作者包括 Yu Wang、Fuyuan Liang 和 Xing Zhou，摘要未提供具体模型、优化算法与实验数据。
推荐理由：面向高能量锂离子电池快充，将物理建模与智能优化结合，为充电策略设计提供可迁移的方法框架。
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。
eTransportation精选AI 评分6262 基于拆解的实车老化电池包电芯到电池包容量与内阻缩放规律
Marco Fischer 等人在 eTransportation 发表研究，基于拆解实车老化 EV 电池包，分析容量与内阻从电芯到电池包层级的缩放关系。论文发表于 Volume 30，作者包括 Martin J. Brand、Alexander Schröder 和 Andreas Jossen。
Journal of Energy Chemistry精选AI 评分5757 双流物理信息神经网络-迁移学习框架用于少样本场景下的电池 SOC 鲁棒估计
Longxing Wu 等人在 Journal of Energy Chemistry 第 124 卷提出双流物理信息神经网络-迁移学习框架，用于少样本数据场景下的电池 SOC 鲁棒估计。该工作将物理信息神经网络与迁移学习结合，以应对训练数据不足时的估计精度问题。论文发表于 2027 年 1 月。
推荐理由：针对少样本工况下 SOC 估计精度下降的问题，该框架把物理信息神经网络与迁移学习结合，可供做小样本估计的研究者参考其双流结构设计。