Does Oversizing Improve Prosumer Profitability in a Flexibility Market? -- A Sensitivity Analysis using PV-battery System
通过聚合器和当地灵活性市场让小规模生产消费者参与配电网辅助服务的可能性，对生产消费者主动扩大规模是否有利可图提出了疑问。在该分析中，开发了一个Python模型来确定光伏电池系统的成本最优运行计划，并评估设备的灵活性。进行经济评估，以得出基于平均电价的规模的成本效益。利用上述结果进行敏感性分析，以研究具有灵活性服务的光伏电池系统的盈利规模。结果表明，一个有前途的优势，规模过大，虽然限制盛行的程度提供的灵活性服务。
2021-11-22 cs.SY eess.SY
Learning Li-ion battery health and degradation modes from data with aging-aware circuit models
提出老化感知等效电路模型结合高斯过程回归，从运行数据估计锂离子电池健康状态，在两个数据集上容量RMSE低于1%、MAPE低于2%，并揭示开路电压函数对电阻推断的影响。
2025-06-30 cs.SY eess.SY
Li-ion Battery Fault Detection in Large Packs Using Force and Gas Sensors
内部短路是电池热失控的主要原因，因此是电动汽车的主要安全问题。低电阻的内部短路称为硬内部短路，它会导致高内部电流，导致温度极快上升，气体产生，电池膨胀，最终导致电池破裂和故障。因此，在这些故障被触发后立即检测它们是至关重要的。在具有许多并联电池的大型电池组中，由于并联连接的其他健康电池对来自故障电池的电压信号的抑制，使用电压来检测内部短路事件是困难的。相比之下，分析电池组外壳中的气体成分可以提供稳健的单电池故障检测方法。在高温下，电池材料的分解导致气体产生和电池膨胀。单元结构设计成在临界气体压力下破裂并排出积聚的$CO_2$气体，以防止爆炸力。在本文中，我们扩展了我们以前的工作相结合的细胞热动力学模型，溶胀，和$CO_2$气体生成。特别是，我们开发了一种快速和高置信度的检测方法的硬内部短路事件的电池组通过测量电池膨胀力和监测$CO_2$浓度包外壳。
2020-10-22 cs.SY eess.SY
Battery Placement on Performance of VAR Controls
California State University, Long Beach（加州州立大学长滩分校）
研究电池在配电网络中位置对VAR控制性能的影响，通过仿真验证后置电池放置能减少电压波动并提高节能效果。
2013-11-25 cs.SY eess.SY
Optimal Charging of an Electric Vehicle Battery Pack: A Real-Time Sensitivity-Based MPC approach
锂离子电池组通常由数百个串联和并联的电池组成。这些复杂设备的正常运行需要合适的电池管理系统（BMS）。先进的BMS依赖于数学模型来确保安全性和高性能。虽然已经提出了许多方法来管理单个电池，但对多个电池的控制研究较少，并且通常依赖于简化模型，例如等效电路模型。本文讨论了管理的电池组中，每个细胞是明确建模为单粒子模型与电解质和热动力学。提出了一种非线性模型预测控制（MPC），用于在考虑每个电池的电压和温度限制的情况下对电池组进行最优充电。由于非线性MPC的计算成本显着增长的基础模型的复杂性，提出了一种基于灵敏度的MPC（sMPC），其中所采用的模型是通过线性化的动态沿标称轨迹随时间更新。所得到的sMPC优化是二次规划，即使对于大型电池组（例如，具有156个电池的全电动摩托车）也可以实时求解，同时实现与非线性MPC相同的性能。
2019-09-26 cs.SY eess.SY
Development of a Comprehensive Physics-Based Battery Model and Its Multidimensional Comparison with an Equivalent-Circuit Model: Accuracy, Complexity, and Real-World Performance under Varying Conditions
本文开发了一种涵盖宽温域、多倍率和实际工况的综合物理电池模型，并在55种条件下与等效电路模型进行系统校准和对比，揭示了二者在精度、复杂度及参数化需求上的关键差异。
2024-11-19 cs.SY eess.SY
Performance Analysis of Empirical Open-Circuit Voltage Modeling in Lithium Ion Batteries, Part-1: Performance Measures
本文作为系列论文第一部分，分析了OCV-SOC建模误差对电池管理系统的影响，探讨了电芯差异、温度、老化等多种不确定性来源，并提出可集成至系统以提升安全性与可靠性的不确定性模型。
2023-06-28 cs.SY eess.SY
BattX: An Equivalent Circuit Model for Lithium-Ion Batteries Over Broad Current Ranges
先进的电池管理对于锂离子电池系统就像大脑对于人体一样。它的性能取决于使用既快速又准确的电池模型。然而，主流的等效电路模型和电化学模型还没有很好地满足这一需求，由于预测精度或计算复杂性的斗争。随着一些新兴的电池应用在宽电流范围内运行，该问题已经变得紧迫，例如，电动垂直起降飞机，很难找到可用的模型从文献中。为了解决这个问题，我们在这项研究中开发了一个创新的模型。该模型被称为BattX，是一种等效电路模型，但与具有电解质和热动力学的单粒子模型进行了比较，从而结合了它们各自的优点，从而具有计算效率，准确性和物理可解释性。模型设计的重点是利用多个电路来近似充电/放电中的主要电化学和物理过程。鉴于该模型，我们开发了一种多管齐下的方法来设计实验，并从实验数据中确定其参数。实验验证证明，BattX模型能够准确预测跨低到高C速率的充电/放电电压。
2022-11-11 cs.SY eess.SY
Equivalent-Circuit Thermal Model for Batteries with One-Shot Parameter Identification
针对电池温度估计中测量法噪声大、电化学模型计算昂贵的问题，提出可用单次循环数据辨识的等效电路电热模型，并在NASA、MIT和Oxford数据集上验证其稳健精度。
2025-03-16 cs.SY eess.SY
A Soft-switched Fast Cell-to-Cell Voltage Equalizer for Electrochemical Energy Storage
电池串联连接以满足许多应用中的电压要求。电压均衡器电路是必要的，以确保没有电池是过度充电或过度放电。提出了一种新型的快速软开关电池间电压均衡器拓扑结构。这种拓扑结构可以同时将电荷从多个过充电电池转移到多个欠充电电池，避免电池的任何不必要的充电或放电，以实现快速电压均衡。所提出的电路拓扑和调制方法确保在所有电池条件下的零电压开关。电路的工作和软开关进行了分析和实验验证与四电池电压均衡器的原型。样机分别与电池组和混合超级电容器组进行了测试，验证了其较高的转换效率。
2019-07-04 cs.SY eess.SY
Residual-Corrected Equivalent-Circuit Model with Universal Differential Equations for Robust Battery Voltage Prediction under Operating-Condition Shift
Pontifical Catholic University of São Paulo (PUC-SP)（圣保罗天主教大学）；Catholic University of Santos (UNISANTOS)（桑托斯天主教大学）
本文提出一种残差校正混合模型，结合等效电路模型和神经网络，以提高电池电压预测的鲁棒性，通过实验验证其在不同操作条件下的有效性。
2026-11-03 cs.SY eess.SY
Electrochemical Parameter Identification for Lithium-ion Battery Sources in Self-Sustained Transportation Energy Systems
锂离子电池（LIB）在自我维持的交通能源系统中发挥了重要作用，并在过去几年中得到了广泛的应用。为了实现蓄电池的可靠维护，需要对其电化学参数进行辨识。然而，电池模型包含许多参数，而可测量的状态只有电流和电压，导致识别固有的病态问题。提出了一种参数辨识方法，包括实验、模型和算法。电化学参数首先根据物理性质手动分组，并分配给两个顺序测试进行识别。两个测试，即准静态测试和动态测试，被压缩的时间，以实际实施。适当的优化模型和灵敏度为导向的逐步（SSO）优化算法的开发，以有效地搜索最优参数。通常，Sobol方法用于进行敏感性分析。基于灵敏度指标，SSO算法可以解耦辨识过程中不同参数的混合影响。为了验证，在一个典型的NCM 811电池在不同的寿命阶段进行了数值实验。所提出的方法节省了大约一半的时间找到合适的参数值。与电池退化相关的关键参数的识别准确率可超过95%。算例结果表明，辨识出的参数不仅可以提高电池模型的精度，而且可以作为电池SOH的指标。
2023-03-14 cs.SY eess.SY
Battery State of Charge Modeling for Solar PV Array using Polynomial Regression
在这篇手稿中，我们已经调查了充电状态（SoC）的响应和开路电压下的动态电池模型在可变的电压和电流在电池的充电周期。这些变化的输入电压和电流已经得到了使用的太阳能光伏阵列的变化的辐照度和表面温度连接作为动态电池模型的输入，以存储在它里面的能量。为了使仿真结果与实际情况相匹配，这些变化的辐照度和表面温度的太阳能光伏阵列随时间的变化进行了仿真。在形成能量并将能量存储在动态电池模型内之后，使用卡尔曼滤波器方法估计电池的SoC。在成功估计SoC之后，使用多项式回归技术绘制了开路电压（OCV）和荷电状态（SoC）。针对多项式次数为2、3、4和5绘制了OCV和SoC之间的回归图。结果表明，R $^2$保持增加，我们增加的程度回归。同时，随着多项式回归次数的增加，RMSE值不断减小。
2020-12-07 cs.SY eess.SY
Real Time Adaptive Estimation of Li-ion Battery Bank Parameters
提出了一种基于通用自适应稳定器（UAS）的400 V锂离子电池组参数在线估计方法。电池开路电压、建模瞬态响应的参数和串联电阻都在单个实时测试中估计。与早期基于单个电池组的UAS工作相比，这项工作不需要事先进行离线实验或任何后处理。以最小的实验努力实时快速收敛参数的估计，使得能够在运行时自我更新电池参数。所提出的策略进行了数学验证，并证明其性能上的400 V，6.6 Ah的锂离子电池组供电的感应电机驱动的原型电动汽车（EV）牵引系统。
2022-02-22 cs.SY eess.SY
Transient Thermal and Electrical Characteristics of a Cylindrical LiFeS2 Cell with Equivalent Circuit Model
本研究针对圆柱形LiFeS2电池，结合HPPC测试、等效电路模型与MSMD电池模型，获取荷电状态相关动态参数并分析热特性，验证了模型准确性，得出电池温升与温度分布结果。
2023-10-28 cond-mat.mtrl-sci cs.SY eess.SY
Dual-Port Dynamically Reconfigurable Battery with Semi-Controlled and Fully-Controlled Outputs
针对可重构电池忽略需隔离辅助负载的问题，提出双端口拓扑与控制器，在不增加有源开关的情况下同时提供半控主端口和全控隔离辅助端口，并经仿真与实验验证。
2022-06-03 cs.SY eess.SY
Towards Long-Range, Battery-less Water Leak Detection: A LoRa-Based Approach
本文提出一种基于 LoRa 的无电池自供电漏水检测系统，利用水流能量收集结合能量管理子系统实现远距离实时监测，实验验证其可检测 0.5 mm 浅层漏水并在 50 秒内激活，为工业与民用场景提供免维护方案。
2025-07-04 cs.SY eess.SY
Capacity Estimation of Lithium-ion Batteries Using Invariance Property in Open Circuit Voltage Relationship
Delft University of Technology（代尔夫特理工大学）
本文提出一种利用开路电压与荷电状态关系在老化循环中的不变性，仅需一次OCV测试建模并可从部分充放电或动态放电数据中估计锂离子电池容量的方法，仿真平均绝对相对误差为0.85%。
2025-11-10 cs.SY eess.SY
Estimating the Health and State of Charge of Each Cell in a Second-Life Battery System from Field Data
Technical University of Munich（慕尼黑工业大学）；STABL Energy GmbH（STABL能源有限公司）
本研究针对梯次利用电池系统，提出基于现场数据结合高斯过程回归重构OCV曲线的框架，可联合估算电池SOH与SOC，发现了电池异质性、SOC不平衡及故障电池，且验证了其优于集中模组模型的估算精度。
2026-09-07 cs.SY eess.SY
PyBOP: A Python package for battery model optimisation and parameterisation
University of Oxford（牛津大学）；The Faraday Institution（法拉第研究所）；Quansight Labs（Quansight实验室）；University of Warwick（华威大学）
PyBOP是一个用于电池模型优化和参数化的Python工具包，提供确定性和随机性方法，支持多种电池模型参数识别与设计优化，加速电池研发。
2024-12-20 cs.SY eess.SY
DRT-based modelling framework for Li-ion cells
正确评估电池状态对于最大限度地提高电池组性能同时确保可靠和安全运行至关重要。本文介绍了一种基于弛豫时间分布（DRT）的新型锂离子电池建模框架EIS 2 MOD。从电化学阻抗谱（EIS）和开路电压（OCV）测量出发，开发了基于物理的电路模型（ECM）。应用DRT对EIS中的电化学现象进行反卷积。所提出的方法是基于：i）从EIS的DRT计算，ii）DRT分析ECM配置和iii）模型参数提取和拟合。所提出的框架适用于大型锂离子软包电池，在整个充电状态（SoC）范围和宽温度范围（-10 ° C至35°C）内进行测试。已经测试了不同的电流曲线以验证模型，显示出其在再现电池单元行为方面的高精度（例如，对于可变温度和SoC下的驾驶循环模拟，电池端子电压的RMSE低于1.50%）。EIS 2 MOD的另一个优点是其计算负载轻，从而为电池管理系统的实现提供了一个有吸引力的框架。
2022-03-16 cs.SY eess.SY
Global Sensitivity Methods for Design of Experiments in Lithium-ion Battery Context
电池管理系统可以依赖于数学模型来提供比标准充电协议更高的性能。电化学模型使我们能够捕捉锂离子电池内部发生的现象，因此可能是最好的模型选择。然而，为了具有实用价值，它们需要可靠的模型参数。不确定性量化和最佳实验设计概念是精确识别系统和估计参数的重要工具。不确定性量化中的近似误差导致次优实验设计，从而导致信息量较少的数据和较高的参数不可靠性。在这项工作中，我们提出了一个高效的实验设计方法的基础上的全局参数灵敏度。这个新的概念被应用到单粒子模型与电解质和热动力学（SPMeT），一个众所周知的电化学模型的锂离子电池。所提出的方法避免了输出参数线性化的简化假设（即，局部参数灵敏度），用于传统的Fisher信息矩阵为基础的实验设计策略。因此，优化的电流输入曲线导致更高信息含量的实验数据，进而导致更精确的参数估计。
2020-05-09 cs.CE cs.SY eess.SY
Synchronous Inductor Switched Energy Extraction Circuits for Triboelectric Nanogenerator
摩擦电纳米发电机（TENG）是一类机械电能转换器，已成为自供电物联网（IoT）传感器，可穿戴电子产品等的一种有前途的解决方案。使用同步开关能量提取电路（EEC）作为TENG和电池负载之间的接口，可以提供比简单的全波整流（FWR）多倍的能量增益。本文提出了一个详细的分析并联和串联同步开关收获电感（P-SSHI和S-SSHI）的EEC推导出的能量传递到电池负载，并比较它与标准的FWR（第三电路）在一个共同的分析框架，在现实条件下，也是理想的条件。此外，电池负载的最佳值，以最大限度地提高输出和上限，超过充电是不可行的推导出所有三个考虑电路。这些封闭形式的结果与一般TENG电气参数和一阶电路非理想性阐明了物理建模和指导的选择和设计的EEC为任何给定的TENG。推导出的分析结果进行了验证，对PSpice的仿真结果以及实验测量值。
2021-02-09 cs.SY eess.SP eess.SY
Real-time Battery State of Charge and parameters estimation through Multi-Rate Moving Horizon Estimator
针对电池非线性参数导致荷电状态（SOC）与参数联合估计困难的问题，提出一种结合多速率与降阶MHE的并行化鲁棒估计方法，有效实现了实时SOC与参数估计并在Simulink模型上验证。
2023-10-22 cs.SY eess.SY
Direct Continuous-Time LPV System Identification of Li-ion Batteries via L1-Regularized Least Squares
针对锂离子电池参数随SOC变化及OCV非线性依赖问题，提出连续时间LPV辨识方法，用B样条建模参数变化，联合辨识参数与OCV-SOC映射，实验验证优于传统RLS方法。
2025-09-25 cs.SY eess.SY
Leveraging Adaptive Model Predictive Controller for Active Cell Balancing in Li-ion Battery
North Carolina State University（北卡罗来纳州立大学）；University of Tehran（德黑兰大学）；University of Denver（丹佛大学）
本文提出自适应模型预测控制器用于锂离子电池串并联电路中的主动细胞平衡，通过递归最小二乘法预测未来电压，提升电池组电压均衡性。
2017-06-18 cs.SY eess.SY
Identifiability and parameter estimation of the single particle lithium-ion battery model
Samsung Advanced Institute of Technology, Samsung Electronics（三星先进技术研究院，三星电子）；Department of Engineering Science, University of Oxford（牛津大学工程系）
本文研究了单粒子模型（SPM）用于锂离子电池模拟的参数可识别性和估计问题。通过理论和实践方法，确定了SPM中参数的最大自由度，并发现排除开路电压外仅有六个独立参数。进一步分析了模型的结构可识别性，并展示了如何从测量的频域电化学阻抗谱（EIS）数据中进行参数估计，证明了参数化模型在时域内的预测能力。
2018-01-24 cs.SY eess.SY
Performance Analysis of Empirical Open-Circuit Voltage Modeling in Lithium Ion Batteries, Part-2: Data Collection Procedure
本文是锂离子电池OCV建模系列论文的第二部分，详细定义了考虑实验时间的低速率OCV数据采集流程，包括不同C-Rates下的充电方法、充电后OCV表征及电阻估计曲线，为后续OCV-SOC关系表征与不确定性建模提供数据基础。
2023-06-28 cs.SY eess.SY
Synchronous Pre-biasing of Triboelectric Nanogenerator for Enhanced Energy Extraction
Triboelectric Nanogenerator（TENG）是一类环境机械能采集器，用于延长电子设备的电池寿命，例如植入式传感器、可穿戴设备和物联网（IoT）应用。在这项工作中，预偏置（预充电）TENG在操作周期的开始，以提高每个周期提取的能量的基本原理。的能量增益的数学公式，和最佳的预偏置电压（等效电荷）是通过分析的机械和电气域之间的能量交换在一个周期性的周期。此外，一种新的能量提取电路（EEC）被称为“预偏置同步电荷提取（pSCE）”被引入到1）实现同步预偏置TENG使用负载电池本身和2）实现增强的能量提取TENG。每个周期的能量输出推导出解析的pSCE电路和比较的最先进的同步电荷提取（SCE）电路。实验实施进行了拟议的pSCE电路，显示了6.65倍的增益超过全波整流器（标准EEC）和1.45倍的SCE电路为5V的电池负载。
2021-09-01 cs.SY eess.SY physics.app-ph
Efficient Fault Diagnosis in Lithium-Ion Battery Packs: A Structural Approach with Moving Horizon Estimation
本文提出一种利用电池组结构特性的分层滑窗估计（MHE）方法，用于估计内外短路及传感器故障，在保证有效性的同时显著降低了计算复杂度与传感器需求。
2025-03-01 cs.SY eess.SY
Impact of Physics-Informed Features on Neural Network Complexity for Li-ion Battery Voltage Prediction in Electric Vertical Takeoff and Landing Aircrafts
Virtual Vehicle Research GmbH（虚拟车辆研究有限公司）；Graz University of Technology（格拉茨工业大学）
本文研究了将物理信息整合到数据驱动模型中对锂离子电池电压预测神经网络复杂度的影响，发现物理信息模型在保持精度的同时显著降低了计算开销。
2026-02-09 cs.SY eess.SY
Continuous-Time System Identification and OCV Reconstruction of Li-ion Batteries via Regularized Least Squares
本文提出一种连续时间正则化最小二乘方法，直接从采样数据辨识锂离子电池参数，并联合估计OCV-SOC曲线，避免离散化误差，无需离线测试，仿真和实测验证有效。
2025-09-25 cs.SY eess.SY
Identifiability of Low Frequency Li-ion Battery Parameters in Time Domain
École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
提出一种基于时域低频测量的电池等效电路模型参数辨识框架，通过高阶RC网络近似分数阶CPE，并采用约束非凸最小二乘方法，在典型BMS噪声下实现平均误差低于1%的准确估计。
2026-05-27 cs.SY eess.SY
Recent Advances in Model-Based Fault Diagnosis for Lithium-Ion Batteries: A Comprehensive Review
本文全面综述锂离子电池基于模型的故障诊断方法，梳理电池模型分类、故障机理与建模不确定性，重点介绍状态观测器设计及算法实现，并展望未来研究方向。
2024-01-30 cs.SY eess.SY
A Quantum Neural Network Regression for Modeling Lithium-ion Battery Capacity Degradation
North Carolina A&T State University（北卡罗来纳农工州立大学）；Arizona State University（亚利桑那州立大学）
由于锂离子电池具有高功率密度、低放电速率和低成本等优点，锂离子电池在电网级储能系统、电动汽车和移动设备等领域有着广泛的应用。开发一个框架来准确地建模锂离子电池的非线性退化过程，这确实是一个监督学习问题成为一个重要的研究课题。本文提出了一种经典-量子混合机器学习方法来捕获LiB退化模型，该模型可以从操作配置文件中评估电池寿命损失。我们的工作受到量子计算机的最新进展以及神经网络和量子电路之间的相似性的推动。类似于调整传统神经网络中的权重参数，量子电路的参数，即量子位自由度，可以被调谐以监督学习方式学习非线性函数。作为概念证明文件，我们使用NASA提供的电池数据集获得的数值结果证明了量子神经网络在建模退化容量和操作周期之间的非线性关系方面的能力。我们还讨论了量子方法与经典计算机中的传统神经网络相比在处理海量数据方面的潜在优势，特别是在未来电动汽车和能源存储渗透的背景下。
2023-02-06 cs.LG cs.SY eess.SY
Real-Time Simulation of Level 1, Level 2, and Level 3 Electric Vehicle Charging Systems
充电系统需要将来自电网的交流电转换为直流电，以对电动车辆（EV）电池充电。根据自动工程师协会（SAE）标准，电动汽车充电器可根据额定功率分为三级：1级，2级和3级。本文研究了电动汽车充电系统各层次的电路拓扑和控制原理。在实时数字仿真器RT-Lab中设计并实现了三个10 kWh电池的电动汽车充电系统高保真试验平台。测试台包括建模细节，如半导体开关。对每个试验台进行了25分钟的实时仿真。详细的动态性能的电路和控制在每个阶段，以演示充电过程。所有三电平电动汽车充电系统均采用高频Transformer嵌入式双有源桥（DAB）DC/DC转换器来调节电池侧直流电压和电流。因此，平均模型为基础的线性系统分析给出了配置的DAB DC/DC转换器所采用的相移控制的参数。此外，功率因数控制（PFC），用于1级和2级单相交流充电系统，三相电压源型变换器控制，用于3级三相交流充电系统，都进行了分析。给出了三个试验台的详细电路参数和控制参数，可作为电动汽车并网研究的参考试验台。
2021-11-03 cs.SY eess.SY
Model-free fast charging of lithium-ion batteries by online gradient descent
KTH Royal Institute of Technology（皇家理工学院）
针对带多重安全与老化约束的锂离子电池快速充电问题，提出一种无需精细电池模型和全充电训练的在线梯度下降数据驱动方法，优化充电电流，理论收敛性获证且经多类电池模型数值验证。
2024-05-17 cs.SY eess.SY
Advancing Measurement Capabilities in Lithium-Ion Batteries: Exploring the Potential of Fiber Optic Sensors for Thermal Monitoring of Battery Cells
RWTH Aachen University（亚琛工业大学）；Fraunhofer Institute for Silicon Technology (ISIT)（弗劳恩霍夫硅技术研究所）
本文探讨了光纤传感器在锂离子电池热监测中的应用，通过OFDR技术实现空间分辨温度测量，展示了其在电池内部条件监测中的优势。
2025-02-19 cs.SY eess.SY physics.app-ph
Electrode SOC and SOH estimation with electrode-level ECMs
针对传统等效电路模型无法预测电池老化相关变量的问题，提出基于电极级ECM的电极级SOC与SOH估计方法，可估计双电极锂化状态、更新健康参数并获取衰减模式信息，经仿真与实验验证有效。
2024-10-22 cs.SY eess.SY
Low computational cost method for online parameter identification of Li-ion battery in battery management systems using matrix condition number
监测锂离子电池的健康状态在电池管理系统（BMS）中至关重要，它可以帮助最终用户高效安全地使用电池。可以通过使用各种算法识别电池模型的参数来监测电池健康状态。由于BMS的计算能力较低，且参数时变，因此开发一种低计算成本的在线算法非常重要。在各种方法中，基于等效电路模型（ECM）的递归最小二乘（RLS）参数辨识非常适合于这种困难的BMS环境。然而，RLS的一个众所周知的关键问题是，它很可能是数值不稳定的，除非测量的输入使电池模型足够的激励。本文针对锂离子电池参数辨识问题，提出了一种新的RLS算法--条件记忆递归最小二乘（CMRLS），以解决此类问题，同时根据条件数改变遗忘因子，充分利用RLS的优点。在CMRLS中，使用RLS变量之间的递归关系，通过简单的计算来监控精确的条件数。通过对锂离子电池的仿真，比较了CMRLS和原RLS的性能。结果表明，CMRLS识别锂离子电池参数的平均绝对误差约100倍，比RLS准确。
2020-01-10 cs.SY eess.SP eess.SY
Online SOC Estimation of Lithium-ion Battery Based on Improved Adaptive H Infinity Extended Kalman Filter
本文提出遗忘因子递归最小二乘法与改进自适应H无穷扩展卡尔曼滤波的联合算法，用于锂离子电池在线参数辨识和SOC估计，并在两种工况下验证了其优于对比方法的精度与稳定性。
2023-04-16 cs.SY eess.SY
Economic controls co-design of hybrid microgrids with tidal/PV generation and lithium ion/flow battery storage
由可再生能源供电的孤岛微电网由于不可控的发电机而需要昂贵的储能系统。当负荷和发电在每小时、每月或季节的时间尺度上不一致时，储能需求会被放大。负荷和发电量的多样化可以消除这种不匹配。消除剩余发电不足的理想电池类型将取决于能量存储的持续时间。本研究提出了一种控制协同设计方法来设计一个孤岛微电网，显示了潮汐和太阳能发电的混合和锂离子和液流电池储能的混合的好处。首先在网格搜索切片中研究了微电网的能量均衡成本的优化，以了解凸性和平滑性，然后提出了粒子群优化算法，并用于研究混杂系统配置对组件成本变化的敏感性。该研究强调了控制协同设计的好处，对电池过早失效进行建模的必要性，以及使用适用于能量存储持续时间数量级变化的电池成本模型的重要性。结果表明，这种混合微电网目前的发电成本是柴油发电成本的五倍，但液流电池创新可以使成本接近柴油发电成本的两倍，同时使用100%可再生能源。
2021-02-10 cs.SY eess.SY
Robust Model Predictive Control of Fast Lithium-ion Battery Pretreatment for Safe Recycling
针对退役电动汽车电池预处理放电的效率与安全问题，提出融合电热模型、温度约束及模型失配补偿的鲁棒MPC框架，仿真表明其较CC-CV和CC-CT可在安全约束下显著缩短放电时间。
2025-03-14 cs.SY eess.SY
Exploring Different Time-series-Transformer (TST) Architectures: A Case Study in Battery Life Prediction for Electric Vehicles (EVs)
Texas A&M University（德克萨斯农工大学）
本文针对电动汽车电池寿命预测问题，探索并提出了编码器TST+解码器LSTM及混合TST-LSTM等新型时间序列Transformer架构，利用BMW i3实际驾驶数据融合环境、电池、驾驶与加热电路多源信息，以准确预测未来SOC和电池温度。
2023-08-07 cs.LG cs.SY eess.SY
Koopman Spectral Analysis of Lithium-Ion Battery Dynamics: State of Charge as a Marginally Stable Observable
Dynamical Systems and Signals Lab (DSSL), Department of Mechanical Engineering, South Dakota State University（南达科他州立大学机械工程系动力系统与信号实验室）
研究锂离子电池SOC估计难题，提出基于柯普曼理论、数据驱动的框架，用DMDc结合汉克尔时延嵌入，直接从测量数据重建动态状态空间，通过谱分解揭示内在动力学，将SOC动力学作为边际稳定模式，其模态坐标用作SOC敏感可观测量。
2026-07-10 cs.SY eess.SY
Online State Estimation for a Physics-Based Lithium-Sulfur Battery Model
本文研究了锂硫（Li-S）电池状态估计问题。这种估计对于这种能量密集化学的在线管理是重要的。文献使用等效电路模型（ECM）用于Li-S状态估计。本文的主要目标是使用基于物理的模型来执行估计。这种方法很有吸引力，因为它可以在线估计给定Li-S电池中单个物质的质量。使用实验验证，计算易处理的零维模型进行估计。重新将该模型从微分代数方程（DAE）转换为常微分方程（ODE），简化了估计问题。文章的第一个贡献是表明，该模型具有较差的可观测性，特别是在低高原地区，在那里的低灵敏度的电池电压沉淀硫质量复杂的估计这个质量。第二个贡献是利用质量守恒导出了一个降阶模型，在高低平台区都具有吸引人的可观测性。最后的贡献是使用无迹卡尔曼滤波器（UKF）估计内部锂硫电池状态，同时考虑到对物种质量的约束。与文章的可观测性分析一致，当使用降阶模型时，UKF实现了更好的低平台估计精度。
2020-10-26 cs.SY eess.SY
A Model-Free Detection Method for Internal Short Circuits in Single Lithium-ion Cells Using Pseudo Open-Circuit Voltage Difference
本文提出一种无模型在线诊断框架，通过伪开路电压一阶差分检测单体锂电池内部短路，仅需电压、电流及R0–SOC表，实验实现100%成功率且适合BMS实时部署。
2025-06-16 cs.SY eess.SY
An Adaptive Estimation Approach based on Fisher Information to Overcome the Challenges of LFP Battery SOC Estimation
本文提出基于自适应Fisher信息融合的LFP电池SOC估计方法，融合库仑计数与等效电路模型参数辨识，并构建三维OCV-H-SOC映射，在多种驾驶工况和恶劣条件下优于无迹卡尔曼滤波、LSTM和transformer。
2025-07-01 cs.SY eess.SY
Relax, Estimate, and Track: a Simple Battery State-of-charge and State-of-health Estimation Method
本文提出一种通过充电中短暂置零电流来估计电池SOC和SOH的简单方法，无需超参数微调且速度快数百倍，实验验证SOH RMSE约3%、SOC RMSE约1.5%。
2025-06-06 cs.SY eess.SY
Performance Analysis of Empirical Open-Circuit Voltage Modeling in Lithium Ion Batteries, Part-3: Experimental Results
本文基于28次OCV表征实验数据，计算并分析了电池间差异、循环倍率误差和曲线拟合误差三种不确定性指标，确立了C-Rate与OCV-SOC模型不确定性的关系，有助于电池研究人员权衡测试时间与建模不确定性，并准确表征电池管理功能中的不确定性。
2023-06-28 cs.SY eess.SY
Optimal Design of Experiment for Electrochemical Parameter Identification of Li-ion Battery via Deep Reinforcement Learning
本文提出结合深度强化学习与最优实验设计的方法，利用TD3算法优化激励，以提升锂离子电池电化学参数辨识的精度和效率，相比NMPC和常规测试具有更高信息量和更低误差。
2025-06-23 cs.SY eess.SY
Learning battery model parameter dynamics from data with recursive Gaussian process regression
University of Oxford（牛津大学）；RWTH Aachen University（亚琛工业大学）
本文提出结合模型与数据驱动的递归高斯过程回归方法，构建统一的联合状态–参数估计器，以在变化工况和数据缺口下准确估计并预测电池容量与内阻。
2023-04-26 cs.LG cs.SY eess.SY
Charge capacity characteristics of a Lithium Nickel-Cobalt-Aluminium Oxide battery show fractional-derivative behavior
电池经历容量偏移，其中可用电荷取决于该电荷被提取的速率。在这项工作中，我们分析了4.8 A h锂镍钴铝氧化物电池的容量偏移使用的等效电路模型的分数电容器串联电阻。在这种情况下，理论上，在无穷小速率的极限下，可用电荷变为无穷大。我们表明，分数性质的电容器可以提取的电荷对速率图。然后，我们使用RC元件的网络来表示分数电容器，以便用Matlab模拟数据。我们发现，以这种方式获得的分数指数α，0.971，同意在一个更传统的方式从阻抗与频率图，虽然分数容量不。这种方法证明了即使当元件几乎是纯电容器时，对容量偏移的分数描述的重要性，并且对于在低电流下预测充电状态是有价值的。
2021-10-08 cs.SY eess.SY physics.app-ph
Parameter Sensitivity Analysis in Zinc-Ion Batteries: A Study on Ionic Conductivity, Current Density, and Electrode Properties
本文构建了锌离子电池的多物理场模型，研究发现低电流密度下离子电导率超过1.3 S/m、交换电流密度超过0.13 mA/cm2后容量不再显著提升，为下一代电池研发提供了性能阈值参考。
2025-05-03 cond-mat.mtrl-sci cs.SY eess.SY
