健康状态与荷电状态估计：特征工程、在线估计算法、BMS 可部署方案。
Ratnak Sok 与 Jin Kusaka 提出一种多物理场增强前馈神经网络，用于 NCA/Gr.SiOx 电化学模型的电池状态估计，并在真实行驶工况下验证。研究发表于 Energy Conversion and Management 第 372 卷 Part A，出版日期为 2027 年 1 月 15 日。
推荐理由：面向 NCA/Gr.SiOx 电化学模型，在真实行驶工况下用多物理场增强前馈网络做状态估计，可供对比模型与数据混合路线。
该研究提出一种由动态轨道引导的物理启发老化建模方法，用于电池健康预测。材料仅提供标题，未给出电芯体系、数据集、精度指标或代码获取方式。
该研究提出一种考虑荷电状态依赖的锂离子电池SOH估计域适应方法，针对不同SOC条件下SOH估计的域偏移问题。原文仅提供标题，摘要与实验细节未获取。
Pang 等人提出基于 FiLM Transformer 网络的温度感知电池 SOH 估计方法，论文发表于 Journal of Power Sources 第 699 卷。作者为 Zheyuan Pang、Lei Gao、Yuheng Gan、Zhengxiang Song，出版日期为 2027 年 1 月 30 日。当前仅提供题录信息，摘要正文未给出具体数据集、误差指标与实验结论。
台湾高雄科技大学在 Zenodo 发布 v1.0.1 配套代码与逐行派生数据，对应论文《Do Partial Incremental Capacity Features Beat Holding the Last Measured Reference Capacity?
推荐理由：该发布把论文所用的逐行派生数据与基线复现代码一并开放，便于对照 ZOH、LIN2 等参照策略重跑 34 个电芯的评估。
Journal of Energy Storage 第183卷Part A刊出Yao Cheng等人的研究，提出用Tabular Prior-data Fitted Network结合退化信息估计锂离子电池SOH。当前仅提供标题与作者信息，摘要正文未随feed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，无法提炼具体方法细节或结果，暂不展示推荐理由。
Zhu 等人在 Journal of Energy Storage 提出一种由动态轨迹引导的物理启发式老化建模方法，用于电池健康预测。该文发表于 Volume 183 Part A，作者包括 Enrico Zio 等，摘要未给出具体数据集与误差指标。
推荐理由：该工作把动态轨迹引导的物理启发式老化建模用于电池健康预测，为物理信息方法在SOH估计中的落地提供了一条可迁移思路。
研究提出面向实车EV电池SOH评估的框架，其中HuberTV2将Huber损失、不规则时间二阶全变分正则与老化约束结合，从充电遥测中提取平滑且速率有界的高效能量代理轨迹。
推荐理由：论文用39辆实车充电遥测对比四种平滑基线，并单独检验LLM评分与人工专家的一致性，可为实车SOH趋势提取提供方法参照。
Hongyu Sun等提出电化学引导的时频Transformer，用于电池健康状态（SOH）估计，论文发表于Applied Energy第427卷第E部分。现有摘要未给出数据集、误差指标或代码获取方式。
印度 Harcourt Butler Technical University 的 Adarsh Kumar Arya 在 Zenodo 发布一套数据与代码，用于对比数据驱动、物理信息与迁移或预训练模型在锂离子电池管理中的表现。
推荐理由：该数据集公开了133篇纳入研究的编码表与31个SOH误差值，便于复现数据驱动、物理信息与预训练模型的横向对比。
Journal of Energy Storage 第183卷Part A刊出Hongtao Pu等的研究，提出一种物理约束的长时程锂离子电池SOH预测方法，并加入显式恢复校正环节。当前仅见标题与作者信息，摘要正文未提供，方法细节与验证结果尚不可知。
推荐理由：材料仅给出标题与作者信息，无法确认方法细节与实验结论，暂不展示推荐理由。
Chuanpu Zhang 等提出一种可靠性感知的局部-全局融合框架，用于从随机局部充电片段估计锂离子电池 SOH，论文发表于 Applied Energy 第 427 卷 Part E。摘要未给出数据集、电芯数量与误差指标等具体结果。
推荐理由：针对随机局部充电片段难以稳定估计 SOH 的问题，该框架用可靠性感知的局部与全局融合思路，为碎片化充电场景提供可迁移的方法参考。
Zhao 等人提出一种自适应阈值触发的时序加权模型数据融合方法，用于 LFP 电池在宽温度范围内的 SOC 估计，论文发表于 Energy 第 366 卷。
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。
Liping Chen 等人在 Journal of Energy Storage 提出一种基于分数阶单粒子模型的物理引导学习框架，用于电池健康状态（SOH）预测。该框架将分数阶单粒子模型与学习算法结合，具体精度与验证数据在摘要中未给出。
推荐理由：该工作把分数阶单粒子模型嵌入学习框架做SOH预测，为物理约束与数据驱动结合提供了一条可迁移的建模思路。
Jiayong Pan、Zhongbao Wei 等人在 Journal of Power Sources 第 698 卷发表研究，采用原位光学监测手段追踪硅碳负极电池的化学机械衰减，并据此进行 SOH 估计。材料仅为摘要，未给出具体电芯数量、实验协议与估计误差指标。
推荐理由：该工作把原位光学观测到的硅碳负极化学机械衰减特征用于SOH估计，为光学传感与健康状态估计的结合提供了一条可迁移思路。
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。
该数据集整理了来自 23 篇 Battery University 文章的 94 条从业者 BMS 参数和 12 张参考表，涵盖 SOC/SOH 估计限值、均衡与保护阈值、充放电温度窗口、按化学体系的热失控起始温度等。
推荐理由：该数据集把 94 条从业者 BMS 经验参数与公开实测数据并排对照，并附六项 AI-for-BMS 实验的可复现代码。
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。
该研究提出面向跨数据集锂离子电池 SOH 预测的抗噪差分热伏安特征，标题指向以差分热伏安特征提升跨数据集 SOH 预测的噪声鲁棒性。材料仅提供标题，摘要依据标题信息，未涉及具体数据集、误差数字或代码获取方式。
Jiaqi Yu、Yanjie Guo、Wenjie Zhang 在 Journal of Energy Storage 提出双 Weibull 物理启发模型，用于扰动响应式在线锂离子电池 SOH 估计与解析拐点跟踪。该工作将拐点跟踪纳入解析框架，面向扰动工况下的在线估计需求。论文发表于 Volume 182, Part F，出版日期为 2026 年 12 月 30 日。
推荐理由：提出双Weibull物理启发模型，在扰动工况下同时做在线SOH估计与解析拐点跟踪，可供拐点建模方法参考。