CycleLife-SJTUIE

**CycleLife-SJTUIE**数据集包含从**国轩高科有限公司**制造的八个锂离子电池单元收集的真实世界电池退化数据。该数据集旨在支持电池健康预测研究，特别是在不同的充电策略和温度条件下。

**CycleLife-SJTUIE** dataset contains real-world battery degradation data collected from eight lithium-ion battery cells manufactured by **Gotion High-tech Co., Ltd.** This dataset is designed to support research on battery health prediction, especially under different charging strategies and temperature conditions.

原始信息汇总

Battery-Timer数据集概述

数据集简介

• 名称: Battery-Timer
• 类型: 锂离子电池容量退化预测时间序列基础模型
• 基础架构: 基于清华大学开发的Transformer-based Timer架构
• 微调数据量: 约10GB公开电池退化数据集
• 主要特点: 支持不同电池化学性质、操作场景和退化模式的泛化预测

核心数据集

SJTUIE-cyclelife

• 数据内容: 8个锂离子电池单元的真实退化数据
• 制造商: Gotion High Tech Co., Ltd.
• 电池型号: IFR32135

电池规格

属性	值
额定容量	13Ah
标准电压	3.2V
形状	圆柱形
阴极材料	LiFePO₄
阳极材料	石墨
电压范围	2.0V–3.65V

实验设置

• 测试环境: 室内无主动温控
• 测试设备: Neware A708-4B-J-30A夹具
• 充放电设备: Neware CTE-4008D-5V30A电池测试仪
• 数据控制单元: Neware CT-ZWJ-4 ST-1U
• 温度监测: 热电偶+Jinko JK5000-24

充电配置

• 电池#1–4: 恒流(CC)充电
• 电池#5–8: 恒流恒压(CCCV)充电

测试循环流程

1. 完全放电
2. 重复以下步骤直至容量<80%额定容量:
   • CC模式: 1C(13A)充电至3.9V
   • CCCV模式: 1C(13A)充电至3.65V，保持至电流<0.65A(0.05C)
   • 静置30分钟
   • 1C(13A)放电至2.0V
   • 静置30分钟

相关文献

1. Severson et al. (2019). Data-driven prediction of battery cycle life before capacity degradation. Nature Energy.
2. CALCE Battery Data Sets (2024). Center for Advanced Life Cycle Engineering.
3. Preger et al. (2020). Degradation of commercial lithium-ion cells as a function of chemistry and cycling conditions. Journal of The Electrochemical Society.
4. Wang et al. (2023). Large-scale field data-based battery aging prediction driven by statistical features and machine learning. Cell Reports Physical Science.

联系方式

• Chan.Joey: [e-mail]
• Zhen Chen: [e-mail]
• Wei Wu: [e-mail]

搜集汇总

数据集介绍

构建方式

在锂离子电池健康状态预测研究领域，CycleLife-SJTUIE数据集通过严谨的实验设计构建而成。该数据集采集自国轩高科生产的8组IFR32135磷酸铁锂电池，采用标准化工业测试设备Neware系统进行循环老化实验。实验设计包含两种典型充电策略（恒流充电与恒流-恒压充电），每组电池持续循环直至容量衰减至额定值的80%，完整记录每个循环的电压、电流、温度等多维参数。数据采集过程严格遵循工业测试规范，确保数据具有高度可靠性和可重复性。

特点

作为电池退化预测研究的基准数据集，CycleLife-SJTUIE具有显著的领域特征。数据集涵盖不同充电策略（CC/CCCV）下的完整电池生命周期数据，包含超过10GB的高精度时序监测记录。其独特价值在于同步采集了表面温度与环境温度数据，为研究温度对电池老化的影响提供了多维分析基础。实验电池采用工业级标准电芯，数据具有直接工程应用价值，特别适合研究不同充电策略对LiFePO₄/石墨体系电池退化机制的影响。

使用方法

该数据集主要服务于电池健康预测算法的开发与验证。研究者可通过提供的Jupyter Notebook快速加载预处理后的时序数据，包含放电容量、循环次数、温度等关键特征。建议将数据集划分为训练集与测试集，采用时间序列交叉验证评估模型性能。数据集特别适合用于研究Transformer等时序模型在电池剩余寿命预测任务中的表现，也可作为知识蒸馏框架中教师模型的训练基准。使用时应遵循开源协议，并引用相关基准研究文献以保证学术规范性。

背景与挑战

背景概述

CycleLife-SJTUIE数据集由上海交通大学的研究团队构建，专注于锂离子电池容量衰减预测研究。该数据集采集自国轩高科生产的8个磷酸铁锂电池单体，记录了不同充电策略（恒流与恒流-恒压）和温度条件下的电池循环老化数据。作为电池健康管理领域的重要基准数据，其创新性在于同步捕获了电化学性能参数与多物理场信息，为研究充放电模式对电池寿命的影响机制提供了实证基础。数据集通过严格的实验设计，模拟了实际应用中电池从初始状态至容量衰减至额定值80%的全生命周期过程，填补了复杂工况下电池老化数据集的空白。

当前挑战

在领域问题层面，电池容量衰减预测面临电化学机理复杂、多应力耦合作用的挑战，需解决不同充电策略下衰减轨迹的非线性差异问题。数据集构建过程中，研究人员需克服实验环境温度波动对数据一致性的影响，确保不同充电模式数据的可比性。高精度同步采集电压、电流与温度等多维参数，对传感器布局与采样频率提出了严苛要求。此外，电池个体间的本征差异使得建立普适性预测模型具有挑战性，需通过充分的样本量来覆盖材料批次差异带来的数据分布偏移。

常用场景

经典使用场景

在锂离子电池健康管理研究中，CycleLife-SJTUIE数据集为评估不同充电策略（恒流与恒压恒流）对电池容量衰减的影响提供了关键实验数据。该数据集通过记录八组磷酸铁锂电池在非控温环境下的完整充放电循环，为建立电池寿命预测模型提供了标准化基准。其独特的实验设计允许研究者对比分析两种主流充电模式下的电池退化轨迹，成为验证时序预测算法鲁棒性的理想测试平台。

解决学术问题

该数据集有效解决了电池健康预测领域三个核心难题：跨化学体系泛化能力验证、复杂工况下衰减模式识别，以及小样本条件下的零样本学习评估。通过提供不同充电策略的平行实验数据，研究者能够解耦电流载荷与电压阈值对电池老化的独立影响，为建立物理信息融合的退化模型提供了数据支撑。其标准化测试流程显著降低了不同实验室间的数据可比性障碍。

衍生相关工作

该数据集催生了多项标志性研究，包括清华大学开发的Battery-Timer基础模型及其知识蒸馏框架。相关成果发表在《Nature Energy》的早期预测方法、电化学学会期刊的商用电池退化分析，以及《Cell Reports Physical Science》的大规模场数据机器学习研究中。这些工作共同构成了从实验室数据到工业应用的完整方法论链条。