新能源电池数据集_电池数据集聚类csdn

需要的同学私信联系，推荐关注上面图片右下角的订阅号平台 自取下载。

新能源电池不仅决定了车辆的行驶里程，更与车况、车辆安全等息息相关，电池自装车之后，不断地在不同地形、不同充放状态、不同工况下制造和积累着数据，数据就成为了多维度判断车辆状态的重要依据。通过AI解决电池的状态估计、阻抗、老化诊断与寿命预测、析锂检测与故障诊断预警等方面问题，通过无监督学习、迁移学习、数据机理将多元信息融合，做到更智能的全生命周期电池状态管理。因此本文整理了一份超完整的AI+新能源电池数据集清单，如下所示共包含16+电池数据集，助力AI+新能源电池的研究与创新。

1. 20辆在役纯电动网约车充电数据集

2. 北京理工大学Nature电池数据集

3. 西安交通大学锂电池充放数据集

4. 牛津大学电池驾驶循环数据集

5. Nature论文电池数据集

6. KIT电池数据集

7. UCL锂电池数据集

8. NASA锂电池数据集

9. 丰田研究院电池数据集

10. 马里兰大学电池数据集

11. 奥维耶多大学锂电池充放数据集

12. 波兹南工业大学电池充放数据集

13. 中国科学技术大学电池驾驶循环数据集

14. 威斯康星大学电池驾驶充放数据集

15. 麦克马斯特大学电池驾驶充放数据集

16. EVERLASTING电池驾驶循环数据集

01

—

20辆在役纯电动网约车充电数据集

【数据背景】Applied Energy已收录论文《Prognostics of battery capacity based on charging data and data-driven methods for on-road vehicles》的电池数据集。需要注意的是，如果用到这个数据集做其它研究，需要引用这篇论文。

【应用领域】AI+电池SOH估计与寿命预测

【文件目录】20个#x的rar文件

【数据说明】20辆在役纯电动网约车近29个月的充电数据，数据集具备明显的容量衰减趋势，可用于电池SOH估计与寿命预测。数据为20辆商用电动汽车的电池组充电数据，每个#x代表一辆车的数据，数据的时间跨度超过2年，约29个月，数据集大小约222MB。

02

—

北京理工大学Nature电池数据集

【数据背景】北京理工大学发表Nature Communications使用的论文数据集，包含两款电池分别在20℃和45℃的老化数据，可用于电池健康评估。

【应用领域】AI+电池健康度评估

【文件目录】Dataset#3.xlsx、Dataset#5.xlsx

【数据说明】该数据集为电池性能退化数据集，涵盖2种类型的锂离子电池，PANASONIC NCR18650BD（3.03Ah标称容量，3个电池cell）和GOTION IFP20100140A（27Ah标称容量，3个电池cell），分别命名为数据集#3和数据集#5。本数据集为论文《Deep learning to estimate lithium-ion battery state of health without additional degradation experiments》提供了数据可用性的支持。

数据集#3和#5中的电池分别在20°C和45°C的热室中进行测试。采用ARBIN BT2000电池测试系统对电池进行充放循环。在数据集#3电池的每个循环中，充电策略是以0.3C的恒定电流率充电，直到电压达到4.2V，然后保持在4.2V，直到充电电流降至0.03A以下；放电策略是以2C的恒定电流速率进行放电。在数据集#5的电池的每个周期中，充电策略是以1C的恒定电流率充电，直到电压达到3.65V，然后保持在3.65V，直到充电电流降至1.35A以下；放电策略是以1C的恒定电流速率进行放电。从循环的恒流充电阶段提取的充电曲线被集成到数据集中。

03

—

西安交通大学锂电池充放数据集

【数据背景】西安交通大学锂离子电池循环实验生成的锂电池充放数据，主要用于锂离子电池充放电状态校准和估计的数据驱动方法研究。

【应用领域】AI+电池状态评估

【文件目录】Cell1和Cell2两个数据文件夹，每个文件夹均包含Charging stage.xlsx，Discharging stage.xlsx和Relaxation stage.xlsx

【数据说明】电池类型为two lithium-ion pouch cells with chemistry NMC/graphite and nominal capacity of 27Ah。实验条件是循环至容量衰减到80%额定容量；CC-CV充电，CC放电，静置时间为30分钟；温度为40℃；记录了400次循环。实验中锂离子电池在三种不同模式下运行：恒流恒压充电模式、恒流放电模式和弛豫模式。

CC-CV充电模式：锂离子电池在1C电流下充电，直到端子电压达到4.2V。保持端子电压恒定并继续充电，当电流降至0.1C时停止充电。

CC放电模式：锂离子电池以3C的电流速率放电，截止电压为2.75V。

弛豫模式：休息30min，保证电池性能恢复。

xlsx数据文件中记录的实验数据从左到右依次为电池电压（V）、电流（A）、充放电容量（Ah）、能量（Wh）和测量时间（s）。

04

—

牛津大学电池驾驶循环数据集

【数据背景】牛津大学电池智能实验室提供的电池驾驶循环数据集，用于电池驾驶生命周期建模。

【应用领域】AI+电池生命周期建模

【文件目录】Oxford Battery Degradation Dataset 1、Oxford Energy trading battery degradation dataset和Oxford Path dependence battery degradation dataset在内的3个数据文件夹

【数据说明】包含3份不同类型的电池数据集，具体数据情况如下：

牛津电池退化数据集1：电池类型为8组740mAh lithium-ion pouch cells；实验条件为环境温度：40℃，CC-CV充电，ARTEMIS 驾驶循环放电直至EOL（80%SOH）；测量数据包含电压、温度和放电容量。

牛津能源交易电池退化数据集：使用物理模型进行能源交易的电池退化数据包含从一项为期1年的实验中收集的数据。在该实验中，6个锂离子电池遵循与现实世界使用情况相对应的电流曲线。这些配置文件是为在未来1天的批发市场上进行电力交易的并网电池设计的。该数据集包含每月的容量测量值，以及电池循环时的电流、电压和温度测量值。

Oxford依赖性电池退化数据集：收集了一个长期数据集，用于研究具有镍钴氧化铝（NCA）正极和石墨负极的市售锂离子18650电池中路径依赖性的影响。每组3个单元的4组受到组合载荷分布，该组合载荷分布包括以各种顺序施加的固定日历周期和循环老化。第1组和第2组的细胞分别暴露于一天的循环，然后在C/2和C/4下老化五天。第3组和第4组中的细胞分别暴露于两天的循环，然后在C/2和C/4下进行10天的日历老化。电池暴露于组合剖面时收集的数据以及参考性能测试和电化学阻抗谱数据包含在该数据集中。

05

—

Nature论文电池数据集

【数据背景】Nature Communications已收录论文《Identifying degradation patterns of lithium ion batteries from impedance spectroscopy using machine learning》中使用的电池数据集。需要注意的是，如果用到这个数据集做其它研究，需要引用这篇论文。预测锂离子电池的健康状况和剩余使用寿命是一个悬而未决的问题，这一挑战限制了消费电子产品和电动汽车等技术。数据集收集了商业锂离子电池在不同健康状态下的20000个EIS光谱，电荷状态和温度——这是所知同类数据中最大的数据集，可用于准确地预测电池剩余使用寿命。

【应用领域】AI+电池寿命预测

【文件目录】Capacity data.zip和EIS data.zip

【数据说明】数据集大小约118MB，数据是通过在12个商用的45mAh Eunicell LR2032 Lion coin电池上应用连续充放电循环进行的。电池化学成分为LiCoO2/石墨。电池在3个恒温室中循环，分别设置为25°C（25C01–25C08）、35°C（35C01和35C02）和45°C（45C01和45C02）。每个循环包括高达4.2V的1C速率（45mA）CC–CV（恒定电流-恒定电压）充电和低至3V的2C速率（90mA）CC（恒定电流）放电。在每个偶数循环期间，在0.02 Hz–20kHz的频率范围内，以5mA的激励电流，在9个不同的充电/放电阶段测量EIS，数据采集在SoC 0%和SoC 100%下开路15分钟之后。

06

—

KIT电池数据集

【数据背景】高效的储能在未来的能源系统中至关重要。锂离子电池的管理是该领域具有挑战性的研究课题。为了改进管理系统，监控数据是必不可少的，无论是单电池，还是多电池系统——这是该数据集的主题。然而，对于这种模块化系统，公开可用的数据很少。KIT包括由多个电池单元组成的电池系统的监测数据，以高频率记录温度和电压，直至电池水平。这使得数据变得独特，对未来的研究有用。除了对电池系统设置和数据格式的描述外，还提供了一个示例性的MATLAB文件，简化了任何进一步的数据使用。

【应用领域】AI+电池系统管理

【文件目录】dataset、descriptive-md和technical-md文件夹

【数据说明】-/dataset包含原始上载数据集的目录和文件结构。-/Descriptive-MD以XML格式包含数据集和所有子实体的描述性元数据。-/Technical-MD以XML格式包含数据集和所有子实体的技术元数据。数据集大小约1.62GB，包含电池系统中53个电池单元的battery、cells和inverter三部分的电流和电压数据，数据记录间隔为200—300ms。

07

—

UCL锂电池数据集

【数据背景】一个简单的3.5 Ah LG Chem NCA INR18650 MJ1 cell充放电数据，可用于电池性能状态评估。

【应用领域】AI+电池状态评估

【文件目录】EIL-MJ1-015.csv

【数据说明】数据集大小约8.5MB，数据实验条件为24℃环境温度，循环400次；测量数据包含温度、电压、容量、每个循环的充放电容量。

08

—

NASA锂电池数据集

【数据背景】非常有名的电池数据集，NASA锂电池数据集适用于做电池能源管理BMS、锂电池健康状态预测及剩余寿命预测研究。

【应用领域】AI+锂电池老化研究

【文件目录】共包含6个zip数据压缩包，统一以BatteryAgingARC为前缀，后缀分别为：

-FY08Q4

_25_26_27_28_P1

_25-44

_45_46_47_48

_49_50_51_52

_53_54_55_56

【数据说明】数据集大小约199MB，Li-ion Battery Aging Datasets本质是大量电池运行到失效的时间序列。由于DOD、静置时间和内部特性差异，在同一循环下，没有两块电池有相同的老化状态。这种不确定性能够代表实际使用情况的不确定性。该数据集能够在放电结束（End of Discharge）和寿命终止（End of Life）两方面进行RUL预测研究。具体数据内容如下：

09

—

丰田研究院电池数据集

【数据背景】丰田研究院与斯坦福和马里兰大学合作的电池数据集，主要用于研究电池周期老化与寿命预测研究。

【应用领域】AI+锂电池寿命预测

【文件目录】共包含5个mat数据文件分别为：

2018-02-20_batchdata_updated_struct_errorcorrect

2018-04-03_varcharge_batchdata_updated_struct_errorcorrect

finaldata_4

finaldata_6and8

initialdata_all

【数据说明】共包含2组数据，具体数据情况如下：

第一组数据集：

电池类型：124个LFP/graphite 单体，额定容量为1.1Ah；

实验目的：探究快充对于单体老化的影响；

实验条件：每个单体均采用从72种不同的一步或两步快充协议中选择出一种与一种常用的CC放电协议进行循环实验，实验温度为30℃；

测量数据：温度、电流、电压、充放电容量、每个周期的容量，内阻，充电时间；（数据记录从第二个循环开始）

实验结束条件：单体达到80%SOH（150到2300次循环）；

第二组数据：

电池类型：与第一组一样，但有233个单体，划分为五组，每组单体数量在45到48之间；

实验条件：实验温度：30℃，第一组随机从224种六步快充协议种选择用于每个单体，循环100次，训练模型预测EOL，基于预测结果选择下一组的快充协议；最后一组采用最优的快充协议一直循环至EOL；

数据测量：与第一组数据相同，但不包含内阻的测量；

【使用注意】使用该数据集需要引用2篇论文，分别是《Data-driven prediction of battery cycle life before capacity degradation》和《Closed-loop optimization of extreme fast charging for batteries using machine learning》。

10

—

马里兰大学电池数据集

【数据背景】马里兰大学团队提供对锂离子电池的全方位实验测试数据，包括连续全循环和部分循环、存储、动态驱动曲线、开路电压测量和阻抗测量。电池形状因素包括圆柱形、袋状和棱柱状，化学成分包括LCO、LFP和NMC。这些测试的数据可用于电池状态估计、剩余使用寿命预测、加速电池退化建模和可靠性分析。

【应用领域】AI+锂电池寿命预测、老化建模和可靠性分析

【文件目录】A123 Battery、CS2 Battery、CX2 Battery、INR 18650-20R Battery、PL Sample和Storage Data & Test Description在内的6个数据文件夹

【数据说明】数据集大小约3.7GB，具体数据情况如下：

INR 18650-20R Battery

A123 Battery

CS2 Battery

CX2 Battery

PL样品

11

—

奥维耶多大学锂电池充放数据集

【数据背景】西班牙奥维耶多大学提供的锂电池充放测试基准数据。

【应用领域】AI+锂电池充放评估

【文件目录】c25.csv，DS-C1.txt，DS-C2.txt，DS-C3.txt

【数据说明】实验由PEC的SBT 10050电池测试系统和Memmert的ICP 750气候室组成的装置进行的，所测试的电池是来自欧洲电池的LiFePO4（LFP）电池。平均工作电压为3.2V，放电和充电截止电压分别为2.5V和3.65V。电池尺寸为高275mm，长166.5mm，宽13.3mm，电池重量为1010g。

实验测试是在23℃的环境温度下进行的。对实验进行了调整，以提高测量的可靠性和准确性，测试程序的第一阶段是根据USABC进行调试，在调节阶段容量稳定后，以C/25的速率进行完全充电/放电循环。

12

—

波兹南工业大学电池充放数据集

【数据背景】波兰最好的工科大学之一的波兹南工业大学提供的锂电池充放数据，包含在全等效循环期间在各种负载和温度条件下运行的锂离子电池（容量为2600毫安时的NMC）的老化测量结果，数据显示了循环操作参数（环境温度、放电电流、放电深度、平均充电电流和实际健康状态）对电池老化的影响。

【应用领域】AI+锂电池生命周期建模

【文件目录】NMC_cycling_data.xlsx

【数据说明】电池类型为28 Samsung NMC/carbon 2.6 Ah 18650 cells；实验条件是在一系列温度，放电深度，充放电电流下循环至80%SOH；测量数据包含环境温度、放电电流、放电深度、平均充电电流、一系列SOH间的等效循环次数（在100%-80%SOH中测量9次）。

【使用注意】使用该数据集需要引用论文《A Novel Method for the Modelling of the State of Health of Lithium-Ion Cells Using Machine Learning for Practical Applications》。

13

—

中国科学技术大学电池驾驶循环数据集

【数据背景】提供了LiFePO4型锂离子电池（LIB）行为和Maxwell超级电容器行为的数据集。中国科学技术大学采用动态应力测试（DST）条件和城市测试机行驶计划（UDDS）条件分析了电池/超级电容器的特性。数据是在室温下获得，可用于预测LIBs和超电容器的充电状态（SOC）。

【应用领域】AI+电池SoC预测

【文件目录】共包含2个xlsx格式的数据表，分别为：

1-s2.0-S2352340917300197-mmc1.xlsx

1-s2.0-S2352340917300197-mmc2.xlsx

【数据说明】LIBs（10 Ah）和超级电容器（3000 F）在DST和UDDS剖面下的行为数据，数据包括测量的电压、负载电流（定义负载电流在放电时为负，在充电时为正）和采样时间。这些数据可用于分析LIBs和超级电容器的动态行为，也可用于预测SOC或能量状态（SOE）。

为了测试LIBs和超级电容器的性能和动态行为，Neware BTS-8000（由深圳市Neware科技有限公司生产）用于提供可编程直流电源和用于充电和放电的电气负载功能。个人计算机用于数据记录和存储。测试的LIB型号为IFP-1665130-10 Ah（中国福建兄弟电气有限公司生产），超级电容器型号为BCAP3000-P270 2.7 V/3.0 Wh（Maxwell Technologies股份有限公司生产），LIB组件由四个电池串联组成。

14

—

威斯康星大学电池驾驶充放数据集

【数据背景】威斯康星麦迪逊分校提供的松下18650PF锂离子电池驾驶充放数据，这些测试可用于测试神经网络和卡尔曼滤波器的电池荷电状态算法，或开发电池模型，以便研究人员可以比较标准数据集的算法和模型性能。

【应用领域】AI+电池生命周期建模

【文件目录】0degC、10degC、-10degC、10degC Trise、10degC Trise with pause、-20degC、-20degC Trise、-20degC Trise with pause、25degC在内的9个数据文件夹，另外还包含Plot_results.m示例代码和Readme file - desc of tests performed.txt数据详情说明

【数据说明】电池类型为一个简单的2.9 Ah NCA Panasonic 18650PF cell；实验条件为温度：25℃、10℃、0℃、-10℃、-20℃，驾驶循环：US06，HWFET，UDDS和LA92；测量数据包含HPPC、EIS测试；电压、电流、容量、能量和温度。

电池驾驶循环以0.1S的时间间隔保存数据。其他测试部分如充电和暂停，被认为动力学较慢，不那么重要，因此以较低的数据速率保存。请注意数据速率的这些差异，并在必要时对记录的数据进行上采样，以获得更高或一致的数据速率。

15

—

麦克马斯特大学电池驾驶充放数据集

【数据背景】加拿大麦克马斯特大学提供的全新3Ah LG HG2电池在8立方英尺的热室测试数据，该热室具有75安培、5伏Digatron点火电路通用电池测试仪通道，电压和电流精度为满量程的0.1%。这些数据可以被用于使用深度前馈神经网络（FNN）方法的SOC估计器的设计过程中。

【应用领域】AI+电池SoC估计

【文件目录】包含2个数据文件夹、一个mlx文件和1份数据使用流程说明：

LG_HG2_Original_Dataset_McMasterUniversity_Jan_2020

LG_HG2_Prepared_Dataset_McMasterUniversity_Jan_2020

FNN_xEV_Li_ion_SOC_EstimatorScript_March_2020.mlx

Instructions for Downloading and Running the Script.txt

【数据说明】电池类型为一个简单的3Ah LG Chem INR18650HG2 NMC cell；实验条件为温度：40℃、25℃、0℃、-10℃、-20℃；驾驶循环为混合驾驶循环；测量数据包含HPPC、EIS测试；电压、电流、容量、能量和温度。

【使用流程】

1-文件将以zip文件的形式下载。将文件解压缩到文件夹中，不要修改文件夹结构；

2-进入FNN_xEV_Li_ion_SOC_EstimatorScript_March_2020.mlx的文件夹；

3-打开并运行FNN_xEV_Li__SOC_EstimatorScript_March_2020.mlx；

4-matlab脚本应该在没有任何修改的情况下运行，如果出现问题，很可能是由于测试和训练数据不在预期位置；

5-默认情况下，脚本设置为训练50个epochs，并重复训练3次。这应该需要5-10分钟才能执行；

6-为了重现论文中的结果，将epoch的数量设置为5500，将重复次数设置为10。

16

—

EVERLASTING电池驾驶循环数据集

【数据背景】EVERLASTING project在VITO/EnergyVille进行的电池驾驶循环实验结果，用于锂离子电池模块的循环老化与驱动特性研究。

【应用领域】AI+电池老化特性研究

【文件目录】pack1和pack2两个数据文件夹

【数据说明】数据是在两个16S1P电池组上进行的，因此包含2组数据，具体数据情况如下：

第一组数据：

电池类型：两个电池模块，每个模块由16个NCA/石墨3.5Ah LG Chem INR18650 MJ1电池制成

实验条件：“适应真实驾驶”测试文件，在一系列温度下进行实验

测量数据：电压、电流、充放电容量、环境温度、各个单体的温度

第二组数据：

电池类型：16 NCA 3.5 Ah LG Chem INR18650 MJ1 cells

实验条件：温度：0℃、10℃、25℃、45℃，放电深度：70-90%、10-90%；每个组合以两个单体进行实验；

驾驶工况：city drive profile；其中25℃（10%-90%DOD）中的两个单体以highway drive profile循环；

测量数据：25℃、45℃温度下测量电压、电流、充放电容量和能量；0℃、10℃测量电压、电流、充放电容量、能量和温度。

17

—

结束语

以上就是AI+新能源电池数据集的所有内容了，更多数据集下载请关注文章顶部图片右下角平台即可获取。