State estimation of an electrochemical lithium-ion battery model: improved observer performance by hybrid redesign
针对锂离子电池电化学模型状态估计中观测器难以兼顾收敛速度与精度的问题，提出采用混合多观测器改进现有观测器性能，并通过标准参数仿真验证了估计性能的提升。
2023-04-19 cs.SY eess.SY
Accuracy and robust early detection of short-circuit faults in single-cell lithium battery
本文提出一种利用电流变化、荷电状态和电阻描绘电压微分包络曲线的方法，实现单体锂电池早期内部短路故障的准确鲁棒检测，准确率达100%，优于信号处理和神经网络方法。
2024-12-23 cs.SY 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
Machine Learning-Driven Prediction of Lithium-Ion Battery Power Capability for eVTOL Aircraft
University of Kansas（堪萨斯大学）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）；Purdue University（普渡大学）
针对 eVTOL 高倍率放电下的电池功率极限预测，本文融合物理机理与机器学习预测电压温度及剩余放电时间，并加速最大功率搜索。
2025-10-03 cs.SY eess.SY
On-line Capacity Estimation for Lithium-ion Battery Cells via an Electrochemical Model-based Adaptive Interconnected Observer
电池老化是一个自然的过程，会导致容量和功率衰减，导致性能随着时间和使用而逐渐下降。由于缺乏直接测量，老化电池的充电状态（SOC）和健康状态（SOH）监测对电池管理系统（BMS）提出了挑战性的任务。基于电化学模型的估计算法考虑了老化对物理电池参数的影响，可以提供关于电池可用寿命内锂浓度和电池容量的准确信息。温度依赖的电化学模型，增强的单粒子模型（ESPM），形成了自适应互连观测器的合成的基础，该观测器利用容量和功率衰减之间的关系，由于固体电解质界面层（SEI）的生长，为了实现状态的组合估计（两个电极中的锂浓度和电池容量）和老化敏感的传输参数（阳极扩散系数和SEI层离子电导率）。利用李雅普诺夫理论推导了自适应观测器的实用稳定性条件。对实验数据的验证结果表明，有界容量估计误差在其真实值的2%以内。此外，容量估计的有效性进行了测试，为两个细胞在不同阶段的老化。研究了容量估计在测量噪声和传感器偏差下的鲁棒性。
2021-06-24 cs.SY eess.SY
Evaluation of Energy- and Capacity-Market Revenues from Lithium-ion Battery Systems for Offshore Wind Using Advanced Battery Models
使用先进的锂离子电池表示法检查了纽约ISO（NYISO）长岛节点的海上风电和储能系统的收入潜力。这些先进的混合整数线性电池模型考虑了电池的动态性能以及电池的退化行为，这在电力系统模型中通常不考虑。研究了多个混合海上风力和电池系统设计，以检查将电池定位在海上与将其定位在陆上的影响。对于所研究的系统，我们探索不同的电池可用荷电状态（SOC）窗口，以及相应的电池调度，以最大限度地提高能源和容量市场的收入。利用2010年至2013年的公开数据，评估了海上风电输出变化以及能源和容量市场价格的影响。将电池安装在岸上带来了更高的收入。对于2013年，结果强调，如果没有准确的电池表示，模型可以高估电池收入高达155%，主要是由于退化相关的成本。使用先进的算法，净收入可以增加29%。结果还表明，更广泛的可用SOC窗口可能会导致更高的净收入从能源市场，由于更高的套利机会，以补偿任何额外的退化相关成本在更高的DOD。兆瓦时的能量存储的附加值从每兆瓦时风能的$2 to $ 3.5变化，这导致所研究的电池系统的盈亏平衡成本范围为每千瓦时$50-$ 95。因此，能源和容量市场的收入被发现不足以收回本分析中考虑的应用的当前电池系统的投资成本。
2020-02-03 cs.SY eess.SY
Forecast-based charging strategy to prolong the lifetime of lithium-ion batteries in standalone PV battery systems in Sub-Saharan Africa
针对撒哈拉以南非洲独立光伏电池系统，提出基于预测的充电策略，通过降低平均荷电状态约20%来延长锂离子电池寿命，且不引起停电。
2023-05-15 cs.SY eess.SY
A High-efficient Battery Charging System for Electric Vehicle
本文针对电动汽车锂离子电池充电效率问题，提出多阶段恒流充电及反射充电方法，在双有源桥DC-DC变换器系统上验证，相比传统CC-CV方法可显著缩短充电时间并降低电池损耗。
2023-08-09 cs.SY eess.SY
Embedding Lithium-ion Battery Scrapping Criterion and Degradation Model in Optimal Operation of Peak-shaving Energy Storage
锂离子电池系统已被用于实际的电力系统中，用于调峰、需求响应和频率调节。然而，锂离子电池在循环时会退化，并且当容量降低到某个阈值（例如80%）时将被废弃。这种报废标准可能无法探索电池存储的最大利益。在本文中，我们提出了一种新的报废标准的基础上，电池效率，分时电价，和套利收益的调峰储能。然后，使用该标准推导出一个新的电池寿命模型与报废参数。嵌入寿命模型，提出了一种调峰储能系统的优化运行方法。算例分析结果表明，该运行方式在延缓蓄电池劣化的同时，能够最大限度地发挥调峰储能的效益。与传统的基于80%容量的报废标准相比，基于效率的报废标准可以显著提高电池的寿命效益。
2020-06-14 cs.SY eess.SP 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
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
Data-Driven Nonlinear Identification of Li-Ion Battery Based on a Frequency Domain Nonparametric Analysis
Vrije Universiteit Brussel (VUB)（布鲁塞尔自由大学）
本文提出了一种数据驱动的多项式非线性状态空间模型，用于电池在线性与非线性区域临界点的运行点识别，通过频率域非参数分析量化电池在不同荷电状态下的线性和非线性行为。
2018-05-17 cs.SY eess.SY
Comparing Mass-Preserving Numerical Methods for the Lithium-Ion Battery Single Particle Model
本文比较了单颗粒模型的两种保质量数值方案（有限体积法和控制体积法），在独立校准后通过数值模拟发现精度与计算时间存在权衡，为电池建模与仿真的数值方案选择提供了见解。
2024-10-10 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
The Sequential Algorithm for Combined State of Charge and State of Health Estimation of Lithium Ion Battery based on Active Current Injection
针对锂离子电池同时估计荷电状态、健康状态及参数时精度难保证的问题，提出基于主动电流注入和频率尺度分离的序贯算法，通过分频注入电流独立估计参数后再联合估计容量与状态，显著提升了精度并降低计算成本。
2019-07-15 cs.SY eess.SY
A simplified electro-chemical lithium-ion battery model applicable for in situ monitoring and online control
锂离子电池在交通、能源和通信系统中的渗透率正在迅速增加。为弥补研究与应用之间的差距，需要建立一个精确的现场监测和方便的在线控制模型。本文提出了一个简化的电化学模型及其离散时间状态空间实现从伪二维模型。捕获的溶液相迁移和固相扩散动力学与不同的参数和严格的数学表达式的反应速率分布和终端电压。设计了一个包含初始化、稳定和闭环校正方案的低计算量仿真框架。对不同类型的电池在不同的操作场景进行了数值实验进行验证。
2022-03-19 cs.SY eess.SY
Optimal Sensor Placement in Lithium-Ion Battery Pack for Fault Detection and Isolation
用于运输和电网应用以及未来用于航空应用的储能系统需要提供准确诊断的能力，以确保系统的可用性和可靠性。在这样的应用中，电池组可以由数百或数千个互连的电池单元以及相关联的电气/电子硬件组成。本文提出了一种系统的方法，用于接近电池组设计的某些方面，特别是了解系统中可用于诊断策略的分析冗余度（AR）。首先，确定电池系统中固有的AR程度。然后，使用结构分析工具来研究不同的测量（电流、电压和温度）如何可以提高电池系统的监测和诊断能力。可能的传感器放置策略，使诊断个别传感器故障和个别电池故障，不同的电池组拓扑结构进行了分析。本文介绍的工作说明了如何使用最小或最优的传感器组实现所需的故障检测和隔离（FDI）功能，这是大型电池组设计中的关键步骤。
2021-02-19 cs.SY eess.SY
Active Cell Balancing for Extended Operational Time of Lithium-Ion Battery Systems in Energy Storage Applications
本文提出一种基于分数阶模型和粒子群-遗传算法的优化驱动主动均衡方法，在独立与差分两种拓扑下延长锂离子电池储能系统运行时间3.2%。
2024-05-02 cs.SY eess.SY
Lithium-ion battery thermal-electrochemical model-based state estimation using orthogonal collocation and a modified extended Kalman filter
University of Oxford（牛津大学）
本文提出基于伪二维模型和改进扩展卡尔曼滤波器的状态估计方法，通过正交格点离散化偏微分代数方程，实现高精度电池状态估计，误差低于1%。
2015-06-29 cs.SY eess.SY
Data-Enabled Predictive Control for Fast Charging of Lithium-Ion Batteries with Constraint Handling
本文提出一种基于行为系统理论的数据驱动预测控制（DeePC）方法，直接利用电池输入输出数据实现带约束的锂离子电池安全快速充电，并通过主成分分析降维提升计算效率。
2023-04-17 cs.SY eess.SY
System Identification of Lithium-Ion Battery Equivalent Circuit Models Using Ensemble Kalman Inversion
University of Kansas（堪萨斯大学）；Michigan State University（密歇根州立大学）
本文采用集成卡尔曼反演方法，通过迭代局部高斯逼近和蒙特卡洛采样，对具有电热耦合的等效电路模型进行参数估计，实现了快速收敛的准确系统辨识。
2026-05-24 cs.SY eess.SY
Improved Battery State Estimation Under Parameter Uncertainty Caused by Aging Using Expansion Measurements
在循环过程中准确跟踪锂离子电池的内部电化学状态，使先进的电池管理系统能够安全地运行电池，保持高性能，同时最大限度地减少电池退化。为此，基于电压测量的技术已经显示出用于估计活性材料颗粒的锂表面浓度的前景，这是避免诸如锂电镀的老化机制的重要状态。然而，依赖于电压的方法往往会导致大的估计误差时，模型参数在老化过程中发生变化。本文利用电池膨胀的原位测量来增加电压，并开发一个观测器来估计每个电极颗粒中锂表面浓度的分布。我们证明，除了正电极外，膨胀信号的加入使我们能够校正负电极浓度状态。因此，与仅电压观测器相比，当电极的化学计量窗口改变时，所提出的观测器可以成功地恢复表面浓度，这在锂存量损失的老化下是常见的。在电极的化学计量窗口中有5%的偏移的情况下，结果表明负电极表面浓度的状态估计误差减小。在这种模拟老化条件下，基于电压的观测器与所提出的电压和膨胀观测器相比具有9.3%的误差，所提出的电压和膨胀观测器在负电极表面浓度方面具有0.1%的误差。
2020-09-29 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
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
Advancing state estimation for lithium-ion batteries with hysteresis: systematic extended Kalman filter tuning
本文针对锂离子电池SOC估计问题，提出迟滞降阶模型参数化框架与自适应扩展卡尔曼滤波调优方法，在NMC811电池上实现电压误差降低50%、SOC估计误差降低85%。
2023-11-28 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
Improving optimal control of grid-connected lithium-ion batteries through more accurate battery and degradation modelling
University of Oxford（牛津大学）；EnergyVille（能源城）；VITO（弗拉芒技术研究所）
本文通过更精确的电池和退化模型，改进电网连接锂离子电池的最优控制，发现更准确的模型能显著提高收益并减少退化，证明简单模型可能低估商业案例。
2018-01-17 cs.SY eess.SY
Spectral Analysis of Approximated Capacity Fade Curvature for Lithium-Ion Batteries
本文在真实驾驶数据集上验证了基于曲率的电池退化拐点识别方法，并对近似容量衰减曲率进行谱分析，发现其与退化模式和相变点偏移相关，且仅需容量数据即可应用于电网储能系统。
2025-04-28 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
Opportunities for real-time process control of electrode properties in lithium-ion battery manufacturing
本文探讨了在锂离子电池电极制造中引入实时过程控制的机会，以降低成本、排放和资源使用，并提高产率和吞吐量。
2025-06-20 cs.SY eess.SY
Optimal Energy Dispatch of Grid-Connected Electric Vehicle Considering Lithium Battery Electrochemical Model
本文针对高渗透率并网电动汽车的本地能源系统调度问题，提出基于电化学模型的递归电池约束、矩阵状态更新方法及多层换电站二元聚合模型，以兼顾调度效率与电池退化防护。
2024-11-22 cs.SY eess.SY
State of Health Estimation of Lithium-Ion Batteries in Vehicle-to-Grid Applications Using Recurrent Neural Networks for Learning the Impact of Degradation Stress Factors
这项工作提出了一种有效的健康状态指示器，用于指示锂离子电池的退化，该指示器基于长短期记忆（LSTM）递归神经网络（RNN）和滑动窗口。开发的LSTM RNN能够捕获退化电池容量对电池退化应力因素的潜在长期依赖性。当有足够的训练数据时，学习性能是稳健的，如果提供超过1.15年的数据用于训练，则误差< 5%。
2022-05-16 cs.SY eess.SY
Thermal Analysis of PEM Fuel Cell and Lithium Ion Battery Pack in Confined Space
混合储能系统（HESS）在行业中占据了一席之地。HESS提高了系统效率，降低了整体成本，延长了系统的使用寿命。质子交换膜（PEM）燃料电池与锂离子电池（LIB）混合用于车辆应用、机器人应用等。在具有几何空间约束的应用中，能量存储元件的温度受对流热传递的影响。本文利用COMSOL Multiphysics软件包对不同放电率（C率）的锂离子电池和不同电压的质子交换膜-锂离子电池混杂系统的几何结构进行了热分析。当与PEM电池紧密接近放置时，LIB包的温度的额外升高在4 ℃下在0.03-0.6 $^0$ ℃的范围内。锂离子电池组的电池温度随着C速率的增加和PEM电池电压的降低而增加。
2020-11-30 cs.SY eess.SY
Dynamical Modeling of Temperature and Smoke Evolution in a Thermal-Runaway Event of a Large-Format Lithium-ion Battery in a Mine Tunnel
The Pennsylvania State University（宾夕法尼亚州立大学）
针对矿井中大型锂离子电池热失控实验成本高、高保真模型资源消耗大的问题，本研究构建降阶框架下的动力学模型，可准确复现温度与烟雾演化趋势，与真实数据高度吻合。
2025-10-27 cs.SY eess.SY
Real-Time Optimal Lithium-Ion Battery Charging Based on Explicit Model Predictive Control
锂离子电池在各个行业的快速增长凸显了最佳充电控制的紧迫问题，因为充电对电池的健康，安全和寿命起着至关重要的作用。文献越来越多地采用模型预测控制（MPC）来解决这个问题，利用其在约束条件下执行优化的能力。然而，计算复杂的在线约束优化固有的MPC往往阻碍实时实现。因此，本文提出了开发一个框架，用于实时收费控制的基础上显式MPC（eMPC），利用其优势，在表征一个显式的解决方案的MPC问题，使实时收费控制。研究首先制定MPC充电的非线性等效电路模型的基础上。然后，对原始模型进行多段线性化，并将eMPC设计应用于所获得的线性模型，得到充电控制算法。该算法通过预先计算充电问题的显式解并将充电规律表示为分段仿射函数，将约束优化转移到离线状态。这不仅大大降低了控制运行中的在线计算成本，还降低了编码难度。大量的数值仿真和实验结果验证了所提出的eMPC充电控制框架和算法的有效性。研究结果可以潜在地满足在嵌入式硬件上运行的实时电池管理的需求。
2020-04-29 cs.SY eess.SY
Extending life of Lithium-ion battery systems by embracing heterogeneities via an optimal control-based active balancing strategy
针对采用主动平衡电路的锂离子电池模块，提出了一种多目标快速充电-最小退化最优控制问题（OCP）。模块中的电池经受由制造缺陷和不均匀的操作条件引起的异质性。每个电池表示通过耦合的非线性电化学，热，老化模型和直接配置的方法被转录成一个非线性规划问题（NLP）的OCP。提出的OCP是在两种不同的充电操作方案下制定的：（i）相同充电时间（OCP-SCT）和（ii）不同充电时间（OCP-DCT）。前者假设所有电池同时充电，而不管它们的初始条件如何，而后者允许电池的不同充电时间以考虑异质初始条件。对于具有两个串联电池的模块，该问题得到了解决，其中电池在充电状态和健康状态方面具有内在的异质性。结果表明，OCP-DCT方案提供了更大的灵活性，以处理异质性，拥有较低的温度上升，充电电流幅度，和退化。最后，与恒流（CC）充电的长期循环操作的共同实践的比较表明，有前途的节省，在保留容量方面，是可以实现的控制（OCP-SCT和OCP-DCT）计划。
2022-09-02 cs.SY eess.SY
Lifelong reinforcement learning for health-aware fast charging of lithium-ion batteries
本文提出一种基于TD3强化学习的健康感知快速充电策略，通过阳极过电位与SoH的映射约束终端充电电压，在PyBaMM仿真中验证其相比CC-CV等方法能降低退化并保持快速充电。
2025-07-06 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
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
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
Integrated Optimal Fast Charging and Active Thermal Management of Lithium-Ion Batteries in Extreme Ambient Temperatures
本研究针对极端环境温度下的锂离子电池，提出集成最优快速充电与主动热管理的控制策略，构建热-NDC电池模型，分别设计状态反馈及带扩展卡尔曼滤波的输出反馈模型预测控制算法，实现充电速度与电池健康的平衡，经数值实验验证有效。
2024-10-07 cs.SY eess.SY math.OC
Comprehensive Analysis of Thermal Dissipation in Lithium-Ion Battery Packs
针对无人机等应用中锂离子电池组的热管理挑战，本研究通过优化冷却气流配置并集成相变材料（PCMs），结合3D模拟分析16节电芯组的热性能，为轻量化应用提供高效冷却策略设计基础。
2025-02-10 cs.SY eess.SY hep-ph
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
Infrared Hotspot-Guided Early Warning of Lithium-Ion Battery Thermal Runaway Under Mechanical Abuse
针对机械滥用下锂离子电池热失控预警问题，提出两阶段融合红外热点动态与多模态特征的方法，经实验验证可实现更早的预警与更高的ROC-AUC。
2026-08-24 cs.AI cs.SY eess.SY
Predicting the impact of formation protocols on battery lifetime immediately after manufacturing
提高电池化成速度可以显著降低锂离子电池的制造成本。然而，在实际制造环境中采用更快的形成方案是具有挑战性的，因为缺乏廉价、快速的诊断信号，可以告知对长期电池寿命的可能影响。这项工作确定了在低充电状态下测量的电池电阻作为筛选新的形成协议的早期诊断功能。我们表明，该信号与循环寿命相关，并提高了数据驱动的电池寿命预测模型的准确性。该信号可在生产线的末端获得，只需几秒钟即可获得，并且不需要专门的测试设备。我们探索了该电阻信号与形成过程中消耗的锂量之间的物理联系，这表明该信号可广泛适用于评估可能影响形成过程中消耗的总锂的任何制造工艺变化。
2022-03-26 cs.SY eess.SP eess.SY
Fast State-of-Health Estimation Method for Lithium-ion Battery using Sparse Identification of Nonlinear Dynamics
Korea Advanced Institute of Science and Technology（韩国科学技术院）；Chungbuk National University（忠北国立大学）
本文提出一种基于SINDy与相关性分析的锂离子电池快速SOH估计方法，以低数据量构建可解释的数据驱动退化模型，并通过与多种机器学习算法比较验证其估计精度和计算效率。
2024-10-22 cs.RO cs.SY eess.SY
Modified Gaussian Process Regression Models for Cyclic Capacity Prediction of Lithium-ion Batteries
The University of Warwick（华威大学）
本文介绍了机器学习支持的数据驱动模型的开发，用于不同循环条件下锂离子电池的有效容量预测。为了实现这一目标，首先提出了一个模型结构，考虑电池老化趋势和相应的工作温度和放电深度。然后基于对高斯过程回归中协方差函数的系统理解，开发了两个相关的数据驱动模型。具体地，通过用自动相关性确定结构修改各向同性平方指数核，“模型A”可以提取用于容量预测的高度相关的输入特征。通过将阿克里尼乌斯定律和多项式方程耦合到组成核中，“模型B”能够考虑电池退化的电化学和经验知识。所开发的模型进行了验证和比较的镍锰钴氧化物（NMC）锂离子电池与各种循环模式。实验结果表明，改进的高斯过程回归模型考虑电池电化学和经验老化签名优于其他同行，能够取得令人满意的结果，无论是一步和多步预测。所提出的技术是有前途的各种循环情况下的电池容量预测。
2020-12-31 cs.LG 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
Intelligent Degradation Monitoring in Lithium-ion Batteries via Discharge Incremental Capacity Feature Estimation
Amirkabir University of Technology（阿米尔卡比尔理工大学）
针对传统IC分析需低电流放电的局限，本文提出基于神经网络的框架，从充电信号直接预测放电IC特征，在53个电池数据集上验证，LSTM模型平衡精度与效率，支持实时BMS集成，实现智能电池退化监测。
2026-09-22 cs.LG cs.SY eess.SP
Domain knowledge-guided machine learning framework for state of health estimation in Lithium-ion batteries
Stanford University（斯坦福大学）；Politecnico di Torino（都灵理工大学）
提出五个可在线提取的电池健康指标并开发机器学习方法，用于估计电动汽车锂离子电池健康状态，在部分数据缺失下实现了1.5%至2.5%的低误差容量估计。
2024-09-22 cs.LG cs.SY eess.SY
DIICAN: Dual Time-scale State-Coupled Co-estimation of SOC, SOH and RUL for Lithium-Ion Batteries
School of Electrical Engineering, Xi’an Jiaotong University（西安交通大学电气工程学院）
电池状态的准确共同估计，例如充电状态（SOC）、健康状态（SOH）和剩余使用寿命（RUL），对于电池管理系统确保安全可靠的管理至关重要。虽然电池的外部性能随着老化程度的变化而变化，但电池的劣化机理具有相似的演化规律。由于电池是复杂的化学系统，这些状态与复杂的电化学过程高度耦合。提出了一种基于状态耦合的SOC、SOH和RUL估计方法--深度周期内和周期间注意力网络（DIICAN），将电池测量数据组织到周期内和周期间的时间尺度上。为了自动提取退化相关特征，并适应实际工况，采用了卷积神经网络。状态劣化关注单元用于提取电池状态演化模式并评估电池劣化程度。为了考虑电池老化对SOC估计的影响，将电池劣化相关状态并入SOC估计中以用于容量校准。DIICAN方法在牛津电池数据集上进行了验证。实验结果表明，该方法能够实现高精度的SOH和RUL联合估计，有效提高整个生命周期内SOC估计精度。
2022-10-20 cs.LG cs.SY eess.SY
Modeling and Analysis on Efficiency Degradation of Lithium-ion Batteries
随着可再生能源发电在电网上变得越来越普遍，电池储能系统（BESS）的效率变得越来越重要。因此，有必要研究锂离子电池的能量效率，这是典型的使用在BESS。本研究的目的是提出效率状态（SOE）作为衡量电池传输能量效率的一个指标，并分析在电池的整个寿命期间影响电池SOE的因素。使用NASA的数据集，我们通过计算放电和充电阶段产生和消耗的能量比率来测量镍钴铝（NCA）锂离子电池的SOE。在SOE轨迹中观察到线性趋势，这由Mann-Kendall（MK）趋势检验证实。在此基础上，提出了一个线性的SOE降解模型。进一步的分析表明，环境温度，放电电流和截止电压都以不同的方式影响SOE。使用本研究中观察到的SOE及其行为，电池管理系统（BMS）可以通过调整操作条件或开发更好的管理策略来提高电池的能源效率。
2023-03-19 cs.SY eess.SY physics.data-an
Prognosis Of Lithium-Ion Battery Health with Hybrid EKF-CNN+LSTM Model Using Differential Capacity
Universiti Putra Malaysia（马来西亚博特拉大学）；Gulf University of Science & Technology（海湾科技大学）；Universiti Teknikal Malaysia Melaka（马来西亚马六甲技术大学）
本研究提出一种混合EKF-CNN+LSTM模型，结合差分容量分析，预测锂离子电池健康状态，发现LiFePO4电池在多种充放电倍率下性能更稳健。
2025-04-16 cs.LG cs.SY eess.SY
