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
UAV Control in Close Proximities - Ceiling Effect on Battery Lifetime
1 School of Mechanical
本文研究了无人机在近距离飞行时利用顶效应减少电池消耗对电池寿命的影响，通过实测数据发现顶效应可降低控制器努力，并首次采用全等效循环计数法分析其对电池寿命的降解作用，结果表明可减少15.77%的电池降解。
2018-12-31 cs.RO cs.SY eess.SY
Fed-BEV: A Federated Learning Framework for Modelling Energy Consumption of Battery Electric Vehicles
School of Electronic Engineering, Dublin City University（都柏林城市大学电子工程学院）
最近，全球汽车市场对电动汽车（EV）推出的兴趣越来越大。与传统内燃机汽车相比，电动汽车不仅可以帮助用户降低日常通勤的金钱成本，还可以有效地帮助缓解城市中日益增加的交通排放水平。在许多其他电动汽车中，电池电动汽车（BEV）专门使用存储在电池组中的化学能来推进。因此，了解这些车辆在各种交通场景中可以消耗多少能量以实现有效的能量管理变得重要。为了应对这一挑战，我们提出了一个新的框架，在本文中利用联邦学习方法建模能源消耗的BEV（联邦BEV）。更具体地说，Fed-BEV框架中涉及的一组BEV可以相互学习，共同增强其能源消耗模型。我们提出的设计建议的系统架构和实现细节在协同仿真环境中。最后，比较研究和模拟结果进行了讨论，以说明我们提出的框架准确的能源建模的BEVs的功效。
2021-08-05 cs.AI cs.LG cs.SY
From Laboratory Aging Studies to Field Predictions: Quantifying Uncertainty in Battery Storage Lifetime Predictions
Technical University of Munich（慕尼黑工业大学）；RWTH Aachen University（亚琛工业大学）；Kempten University of Applied Sciences（凯姆森应用科学大学）
本研究提出开源概率退化框架，结合单元到系统近似，量化住宅电池储能寿命预测的不确定性，误差减半，预测与现场数据一致，并识别不确定性来源，为老化研究设计提供建议。
2026-09-10 cs.SY eess.SY
Thermal Modelling of Battery Cells for Optimal Tab and Surface Cooling Control
本文提出整合Chebyshev谱-Galerkin方法与模型分解技术的电池热建模方法，生成降阶高效模型库，实现极耳与表面冷却通道独立控制，在精度与效率上优于传统TEC模型。
2025-06-25 cs.SY eess.SY
Flying Capacitor Cell Equalization for Li-ion Automotive Battery Stacks
针对锂离子汽车电池组因单体差异导致容量衰减、寿命缩短的问题，提出基于飞跨电容的主动电荷均衡方案，并通过12节串并联电池组的MATLAB仿真验证了方法有效性。
2023-08-22 cs.SY eess.SY
Promise and Challenges of a Data-Driven Approach for Battery Lifetime Prognostics
最近的数据驱动的方法已经显示出巨大的潜力，在早期预测电池的循环寿命，利用放电电压曲线的功能。然而，这些研究警告说，数据驱动的方法必须与特定的实验设计相结合，以限制老化条件的范围，因为锂离子电池的预期寿命是各种老化因素的复杂函数。在这项工作中，我们研究了数据驱动方法在各种老化条件下循环的锂离子电池的电池寿命动力学的性能，以确定何时可以成功应用数据驱动方法。结果表明，在宽范围的充电/放电C率和工作温度下老化的电池的放电容量差和寿命结束的方差之间的相关性。尽管使用了不同的条件，但这不仅用于循环电池，而且还用于获得特征：特征直接从循环数据计算，而没有在受控温度下单独的缓慢表征循环。然而，当用于特征提取的电压数据窗口减小时，或者当使用来自充电电压曲线而不是放电的特征时，相关性显著减弱。由于深恒流放电在实践中很少发生，这对在现实世界的系统中应用这种方法提出了新的挑战。
2020-10-15 cs.SY eess.SY stat.AP
Improve in-situ life prediction and classification performance by capturing both the present state and evolution rate of battery aging
College of Mechanical and Vehicle Engineering, Chongqing University（重庆大学机械与车辆工程学院）
本研究提出结合电池老化状态与退化速率特征的高斯过程机器学习方法，仅需少量采样或循环数据，即可大幅提升电池寿命预测精度与分类准确率，助力退役电池高效重组。
2023-08-27 cs.LG 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
A Repeated Measurements Approach to $SoH$ Battery Modelling of Cyclic Aged Data in a Laboratory Environment
Loughborough University（拉夫堡大学）；Oxford Brookes University（牛津布鲁克斯大学）
该研究针对实验室循环老化的10个电池单体，采用一阶线性化非线性重复测量方法建模，通过正则化迭代广义最小二乘方案，实现了SoH在[0,20]区间内±0.191%的精准预测。
2026-08-21 cs.LG 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
Model-Agnostic Energy Throughput Control for Range and Lifetime Extension of Electric Vehicles via Cell-Level Inverters
University of California, Berkeley（加州大学伯克利分校）；Chalmers University of Technology（查尔姆斯理工大学）；BMW Group Technology Office USA（宝马集团美国技术办公室）
本文提出一种模型无关的能量吞吐控制策略，通过细胞级逆变器实现对单个电池单元的独立控制，提升电动汽车续航和电池寿命。
2026-04-08 cs.SY eess.SY
A Sufficient Condition to Guarantee Non-Simultaneous Charging and Discharging of Household Battery Energy Storage
在这封信中，我们建模的一天前的价格为基础的需求响应的住宅家庭与电池储能和其他可控负载，作为一个凸优化问题。进一步使用对偶理论和Karush-Kuhn-Tucker最优性条件，我们推导出一个充分的标准，该标准保证电池能量存储的非同时充电和放电，而无需将其明确建模为约束
2021-04-13 cs.SY eess.SY
Battery Asset Management with Cycle Life Prognosis
电池资产管理问题确定了一组并联运行的电池资产中每个单独资产的最小成本更换计划。电池循环寿命在不同的操作条件下变化，包括温度、放电深度、充电速率等，并且电池由于使用而劣化，这不能由当前的资产管理模型来处理。本文介绍了电池循环寿命预测及其与并行资产管理的集成，以降低电池储能系统（BESS）的生命周期成本。一个非线性容量衰减模型被纳入到并行资产管理模型，以更新电池容量。已进行参数研究，以探讨不同模型输入（例如使用率、电池单位容量、操作条件和定期需求）对五年时间范围的影响。实验结果验证了该框架的合理性，并表明电池寿命的增加导致生命周期成本的降低。
2020-11-30 cs.SY eess.SY
Optimal Provision of Concurrent Primary Frequency and Local Voltage Control from a BESS Considering Variable Capability Curves: Modelling and Experimental Assessment
提出了一种蓄电池储能系统（BESS）的控制方法，以同时提供主频率和局部电压调节服务。实时操作中的最佳操作点计算过程共同考虑转换器的实际可变有功和无功功率容量以及BESS的荷电状态。控制器优化电网服务的提供，考虑测量的电网和电池状态，并使用三时间常数模型（TTC）预测电池直流电压作为电流轨迹的函数。提出了一种计算效率高的算法来解决制定的最优控制问题。实验测试验证了所提出的概念，并显示了商业实用规模的720 kVA/560 kWh BESS的有效性所采用的控制框架。
2020-04-08 cs.SY eess.SY
Optimal Utilization Strategy of the LiFePO$_4$ Battery Storage
本文提供了一种全面的电池存储建模方法，该方法考虑了操作和降级感知特性，即，效率可变、内部阻力增长和容量衰减。基于文献中已有的实验数据，我们建立了混合整数线性规划兼容的磷酸铁锂（LiFePO $_4$）电池模型，该模型可用于与各种应用相关的问题，即，电力系统、智能电网和车辆应用。这样的公式允许使用现成的学术和商业求解器找到全局最优解。在数值研究中，所提出的建模方法已被应用到现实的情况下的调峰，考虑发达国家的模型的重要性被明确证明。例如，需要时变操作策略以获得LiFePO $_4$电池存储的最佳利用。特别地，在电池工作寿命期间，其最佳平均SoC可以改变高达$20\%$，而充电过程的持续时间可以增加$75\%$。最后，使用相同的LiFePO $_4$基准模型从文献中，我们比较使用所提出的方法的最佳规模和调度问题的最先进的结果。所提出的方法导致$12.1\%$减少电池投资和运营成本相比，国家的最先进的方法。
2022-03-15 cs.SY eess.SY
Optimal Grid-Forming Control of Battery Energy Storage Systems Providing Multiple Services: Modelling and Experimental Validation
本文提出并实验验证了一个联合控制和调度框架的电网形成转换器接口BESS提供多种服务的电网。该框架的目的是调度运行的配电馈线托管异构prosumers根据调度计划，并提供频率遏制储备和电压控制作为额外的服务。该框架包括三个阶段。在日前调度阶段，鲁棒优化问题求解计算最优调度计划和频率下垂系数，计及总产量的不确定性。在日内阶段，采用模型预测控制算法计算BESS的功率设定值，实现对调度计划的跟踪。最后，在实时阶段中，通过考虑功率转换器的能力曲线的凸优化问题，将由调度跟踪产生的功率设定点转换成用于电网形成转换器的可行频率设定点。实验验证了所提出的框架，通过使用电网规模的720 kVA/560 kWh BESS连接到20 kV配电馈线的EPFL托管随机prosumption和光伏发电。
2021-10-19 cs.SY eess.SY
NOCE-Net: Representation Learning for Battery Operational Context via Nested Sequence Modelling
Capalo AI；The University of Queensland（昆士兰大学）
NOCE-Net是一种深度嵌套序列模型，通过re-BatteryData管道处理多数据集电池数据，在零样本电压预测中精度高、参数少，其表征可迁移至电池下游任务。
2026-10-16 cs.CE cs.SY eess.SY
Aging-Aware Battery Control via Convex Optimization
本文针对电池短期收益与长期寿命目标的冲突，基于半经验老化模型构建凸优化问题，并用带老化动力学凸近似的MPC量化性能与退化的权衡。
2025-05-13 cs.SY eess.SY math.OC
Unlocking Extra Value from Grid Batteries Using Advanced Models
锂离子电池越来越多地被部署在自由化的电力系统中，在特定的市场环境下，它们的使用是由经济优化驱动的。然而，电池退化强烈地取决于操作简档，并且这在能量交易应用中特别可变。在这里，我们介绍了一个为期一年的实验结果，其中对电池进行了循环，通过解决批发能源交易的经济优化问题计算出配置文件，包括物理驱动的退化模型作为约束。结果证实了先前模拟的结论，并表明与现有方法相比，这种方法可以增加20%的收入，同时减少30%的退化。对数据的分析表明，传统方法无法增加电池在其寿命期间可以管理的循环次数，但基于物理的方法在年数和循环次数以及每年的收入方面都增加了寿命，将可能的寿命收入增加了70%。最后，结果表明模型不准确的经济影响，表明基于物理的模型可以将整体业务案例的差异从170%减少到13%。有可能使用控制工程结合电池老化的物理模型来解锁显着的额外性能。
2021-03-12 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
Lithium-ion battery degradation: Introducing the concept of reservoirs to design for lifetime
Imperial College London（帝国理工学院）；The Faraday Institution（法拉第研究所）
本文提出基于库容概念的锂离子电池设计框架，通过优化库容相互作用提升电池寿命，同时考虑退化机制与使用条件的协同优化。
2025-12-17 cond-mat.mtrl-sci cs.SY eess.SY
Predicting battery end of life from solar off-grid system field data using machine learning
数亿人用不上电。分散式太阳能电池系统是解决这一问题的关键，同时避免了碳排放和空气污染，但由于成本相对较高，而且位于农村地区，因此无法及时进行预防性维护。根据运行数据准确诊断电池健康状况并预测寿命终止，可改善用户体验并降低成本。但缺乏受控的验证测试和可变的数据质量意味着现有的基于实验室的技术无法工作。我们应用可扩展的概率机器学习方法来诊断1027个太阳能连接的铅酸电池的健康状况，每个电池运行400-760天，总计6.2亿个数据行。我们展示了73%的寿命终止预测准确率，提前八周，在故障点上升到82%。这项工作突出表明，有机会利用“大数据”技术，在不增加设备的情况下，从现有的测量数据中估计健康状况，从而延长使用寿命并提高实际应用的性能。
2021-07-29 cs.LG cs.SY eess.SY
Pible: Battery-Free Mote for Perpetual Indoor BLE Applications
University of California, San Diego（加州大学圣迭戈分校）；University of California, Los Angeles（加州大学洛杉矶分校）；Carnegie Mellon University（卡内基梅隆大学）；University of Bologna（博洛尼亚大学）；ETH Zurich（苏黎世联邦理工学院）
本文提出Pible，一种无电池的持续室内BLE传感器节点，利用环境光支持多种智能建筑应用，并分析了节点寿命、服务质量与光照可用性之间的权衡，提出预测算法以最大化节点寿命和服务质量。
2018-11-27 cs.NI cs.SY eess.SY
Life cycle economic viability analysis of battery storage in electricity market
本文将电池退化成本纳入运行仿真，结合聚类与典型日方法降低计算负担，利用IRR对NCM和LFP电池储能进行全生命周期经济可行性分析，并通过敏感性分析识别关键因素，为投资组合提供指导。
2023-05-28 cs.SY eess.SY
Life-Add: Lifetime Adjustable Design for WiFi Networks with Heterogeneous Energy Supplies
The Ohio State University（俄亥俄州立大学）
本文提出Life-Add设计，通过控制设备睡眠周期提升WiFi网络的生命周期、吞吐量和公平性，同时缓解近-远效应和隐藏终端问题。
2013-05-22 cs.IT cs.NI cs.SY
Fast Charging of Lithium-Ion Batteries Using Deep Bayesian Optimization with Recurrent Neural Network
针对电动汽车锂离子电池安全快速充电优化问题，提出基于贝叶斯循环神经网络（BRNN）代理模型和组合采集函数（EI+UCB）的深度贝叶斯优化方法，实现了更精确的寿命预测并有效探索出延长电池寿命的最优充电协议。
2023-04-09 cs.SY eess.SY
A Framework for Health-informed RUL-constrained Optimal Power Flow with Li-ion Batteries
电池储能系统被广泛应用于并网应用中，以减轻间歇性可再生能源发电的影响并增强电力系统的弹性。电池在使用期间的退化是部署中的主要问题之一，严重影响长期寿命。除了环境因素外，电池的这种固有特性还取决于日常工作条件。因此，基于电池的当前状态最佳地进行电池的日常操作以满足所需的剩余使用寿命成为实际且苛刻的需求。为了解决这个问题，本文提出了一个健康知情的规则约束最优潮流框架来表征相应的最优可行操作空间。如果电池的工作条件被限制在该可行域内，则实现目标服务寿命。然后构造等效箱约束，以提高求解优化问题的计算效率。在这个框架中，一个基于蒙特卡洛的数据驱动的方法和健康指标（HI）代表电池的当前状态。所提出的方法的性能与IEEE 39节点系统说明。
2020-11-29 cs.SY eess.SY
Hierarchical Control via MPC-RL for Multi-Timescale Battery Systems
Imperial College London（帝国理工学院）；University College London（伦敦大学学院）
针对多时间尺度电池系统，提出MPC-RL分层控制框架，高层MPC优化长期设定点，低层RL实时跟踪，延长电池寿命84%并提高利润34%。
2026-10-05 cs.SY eess.SY
Degradation-Aware Frequency Regulation of a Heterogeneous Battery Fleet via Reinforcement Learning
Plaksha University（Plaksha大学）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
本文提出了一种基于强化学习的异质电池群频率调节方法，通过设计密集代理奖励和函数近似方法，减少循环退化并提高调度效率。
2026-02-07 cs.AI cs.SY eess.SY
