锂离子电池作为电动汽车的核心动力源，其老化程度直接关系到车辆的续航、性能与安全。精准评估电池健康状态（SOH），是电池管理系统（BMS）的核心任务，对保障电动汽车安全可靠至关重要。新兴的数据驱动方法凭借其强大的非线性建模能力，为SOH估计开辟了新范式。现有研究大多依赖于实验室理想条件下的规整数据，这与现实中不规则充放电、多变驾驶行为及动态环境温度下的复杂工况存在显著区别。这种数据层面的差异，导致在实验室数据上训练的模型难以在实际车辆中实现可靠部署，极大地影响了电动汽车电池状态的可靠评估。因此，将视角从实验室转向实际运行车辆，构建对实车数据的全面理解框架，是推动电池健康管理技术走向大规模实用化、具有迫切现实意义的关键一步。
近期，华东理工大学栾伟玲、陈浩峰教授团队与上汽集团技术中心合作，聚焦于实际车辆运行数据，对数据驱动的电池健康状态估计进行了综述，详细阐述了数据信息挖掘、模型构建与评估，以及电池全生命周期的健康管理，分析了数据驱动模型在电动汽车领域实际应用的挑战、进展与机遇。论文以方法论框架为基础，回顾了实验、模型及数据驱动方法三大技术路径，明确指出数据驱动方法的卓越潜力。在此基础上，深入剖析了实车数据与实验室数据的本质差异及其为现有研究带来的挑战。综述的核心部分围绕实车数据驱动的SOH估计流程展开，系统阐述了从数据预处理、标签计算、特征提取、模型构建到性能评估的全链路关键技术与解决方案，为理解当前方法的局限性并寻求创新突破提供了见解。此外，综述还将视野拓展至电池的梯次利用与回收领域，探讨了如何将相关技术进展应用于构建电池全生命周期健康管理体系。最后，立足当前挑战提出了展望，倡导通过开放标准化数据集、改进算法模型、进行车载可实现性评估和发展先进传感技术等路径，共同推动该领域研究的开放性与实用性，为开发下一代高可靠性的电池管理系统提供了理论支撑与可行路径。
该综述以“Towards practical data-driven battery state of health estimation: Advancements and insights targeting real-world data”为题发表在期刊Journal of Energy Chemistry上。
本文提供了关于数据驱动的锂离子电池健康状态估计的系统性综述，其核心聚焦于实车数据，深入剖析了贯穿该技术全流程的一系列关键问题。首先，在数据预处理阶段，探讨了如何有效识别并处理实车数据中普遍存在的噪声、异常值与数据缺失问题；针对实车数据中SOH标签值的普遍缺失，系统梳理了现有的标签计算方法，包括基于最大可用容量和内阻的两种计算方法，以及对计算结果的最终校正；在特征提取环节，详细阐述了如何从复杂、非结构化的实车数据片段中，提取用于建立与电池SOH之间映射关系的特征，包括统计特征、历史累计特征及老化特征三大类，并将不同类型特征的优劣势进行了详细对比。在此基础上，对各类主流机器学习模型在实车数据上的性能效果进行了比较分析，并强调了模型评估应是多维度的，需要综合考量估计精度、推理时间、运行环境、泛化性与鲁棒性。在实际应用中，全面的性能评估与模型的实用性、稳定性紧密关联。更进一步，研究将SOH估计的应用视野从车辆在役阶段，创造性地拓展至电池的梯次利用与回收环节，旨在构建一个贯穿电池全生命周期的健康诊断框架。为推动该领域从理论验证迈向大规模工业部署，论文最后对发展前景进行了展望，具体涵盖五个方向：建立开放共享的标准化数据集以促进研究发展，发展弱监督学习以降低对精准标签的依赖，融合物理机理以构建可解释性更强的模型，推动现实场景下可落地的部署与验证，以及集成先进传感技术以获取更具洞察力的数据。
图 3. 锂离子电池SOH估计方法的分类、特点及比较（饼图填充比例代表该方法在各维度上的表现水平）。
图 4. 基于实车数据进行数据驱动的SOH估计框架。
图 5. 实车数据中SOH标签计算框架。
图 6. BMS对SOC的估计误差导致容量计算存在异常值。
图 7. 电动汽车主要运行场景下的锂离子电池老化机制。
图 8. 实车充电段增量容量 (IC) 曲线噪声及平滑示例 (a) 初始和平滑曲线； (b) 平滑IC曲线随累积行驶里程的变化（CS表示不同的充电段）。
图 9. 典型数据驱动模型结构对比 (a) GBDT；(b) ANN；(c) LSTM；(d) CNN-BiGRU。
图10. 实际车辆中部署数据驱动模型的两种路径：车载BMS和云BMS。
图11. SOH估计扩展至电池梯次与回收应用。
图 12. 立足现有挑战，面向车载电池SOH估计的未来展望。
本文系统地总结了基于实车数据的锂离子电池健康状态估计方法，详细介绍了数据预处理、标签计算、特征提取等方面的最新进展，并对各种数据驱动模型的优缺点进行了对比分析。与实验室测试数据相比，实车数据的预处理更具复杂性和挑战性，并直接影响模型的最终有效性。处理实车数据需要对其有深入的理解，特别是在标签计算和特征提取方面，关键是从海量数据中识别出有意义的信息。不同的机器学习模型有其各自的优势和局限性，不能仅凭理论优势来判断一种模型的适用性，而应根据具体的应用场景进行评估。高质量的数据、完善的车载测试平台及多维的评估指标是指导模型选择和优化的重要因素。随着越来越多的研究集中在对实车数据的利用，本文从一个新的视角对当前的研究成果进行了总结和整理，旨在帮助研究者快速建立对这一领域的理解，以启发未来的创新研究，并促进锂离子电池SOH估计方法在实际应用中更广泛的采用和更深入的发展。
Towards practical data-driven battery state of health estimation: Advancements and insights targeting real-world data
Hongxu Chen, Ying Chen, Changzheng Sun, Liping Huo, Wenjun Zhang, Ping Shen, Lvwei Huang, Weiling Luan*, Haofeng Chen*
J. Energy Chem., 2025.
DOI:10.1016/j.jechem.2025.07.022
第一作者：陈宏煦
华东理工大学机械与动力工程学院博士生，师从栾伟玲教授。主要研究方向为车载锂离子电池的智能健康管理，包括数据驱动的状态估计与寿命预测，以及融合人工智能技术的电池管理系统算法设计等。
第一作者：陈莹
华东理工大学讲师，硕士生导师。主要研究方向为锂离子电池关键材料失效机理研究，先后主持国家自然科学基金青年项目、中国博士后科学基金会面上项目及特别资助项目，以及上汽基金会、宁德时代等多项联合研发课题，入选上海市白玉兰人才计划。
通讯作者：栾伟玲
华东理工大学教授，石化行业先进电池系统与安全重点实验室主任，电池安全与可靠性国际学术研讨会主席，中国结构健康监测学会理事、上海宇航学会理事。主要研究方向是动力和储能电池系统理论与安全保障技术。发表论文200余篇，授权专利21项，先后获得上海市自然科学二等奖（第一完成人）、国际汽车工程师学会 (SAE) 卓越创新奖等。
通讯作者：陈浩峰
华东理工大学讲席教授，美国机械工程师学会会士 (ASME Fellow)、英国机械工程师协会会士 (IMechE Fellow)。主要研究方向是锂离子电池系统与安全、化工／核电/航空装备安全、结构完整性理论与数值方法。发表论文230余篇，授权专利4项，软件著作权5项，获中石化联合会科技进步一等奖、中国机械工业科技进步二等奖（第1完成人）、入选斯坦福大学全球前2%顶尖科学家。
业务介绍
研理云，研之成理旗下专门针对科学计算领域的高性能计算解决方案提供者。我们提供服务器硬件销售与集群系统搭建与维护服务。 ● 配置多样（单台塔式、两台塔式、多台机架式），按需定制，质量可靠，性价比高。
● 目前已经为全国 100 多个课题组提供过服务器软硬件服务（可提供相同高校或临近高校往期案例咨询）。 ● 公司服务器应用工程师具有量子化学、第一性原理、分子动力学等相关学科研究背景。 ● 公司与多位化学、材料领域理论计算方向专家长期合作，一起探索最优服务器软硬件配置和部署。
● 定制化硬件配置：提供售前实例测试，为您提供最合适的硬件配置方案。 ● 一体化软件服务：根据需求，发货前，完成系统、环境、队列、计算软件等所有内容的安装与配置，让您实现开机即用。 ● 完善的售后服务：为每位客户建立专属服务群，遇到问题及时解决。大大降低使用学生使用门槛和缓解老师压力。三年硬件质保 + 三年免费软件技术支持。 ● 已购买客户咨询：我们已有超过100位已购买客户，可以给您提供相同城市或者临近城市已购买客户的联系方式，以提供真实案例咨询。 ● 赠送课程学习机会：可选课程包括量子化学（Gaussian），第一性原理，（Vasp），分子动力学模拟（Lammps、Grommacs），钙钛矿计算模拟（Vasp）等。具体赠送方案以沟通结果为准。
更多科研作图、软件使用、表征分析、SCI 写作、名师介绍等干货知识请进入后台自主查询。
