有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
BatteryLife|电池寿命预测数据集|电化学数据集
收藏arXiv2025-02-27 更新2025-02-28 收录
下载链接：
https://github.com/Ruifeng-Tan/BatteryLife
下载链接
链接失效反馈资源简介：
BatteryLife数据集是由香港科技大学（广州）等机构提出的一个全面电池寿命预测数据集。该数据集整合了16个数据集，包含超过90,000个样本，是迄今为止最大的电池寿命数据集。它提供了包括锂离子、锌离子和钠离子电池在内的多种类型电池，覆盖了8种格式、80种化学系统、12种操作温度和646种充放电协议，具有前所未有的多样性。该数据集既包括实验室测试数据，也包括工业测试数据，为电池寿命预测研究提供了丰富的资源。
提供机构：
香港科技大学（广州）
创建时间：
2025-02-26
AI搜集汇总
数据集介绍
构建方式
BatteryLife 数据集的构建是通过整合16个数据集完成的，这些数据集包含了实验室测试和工业测试的数据。该数据集的规模是之前最大数据集的2.4倍，提供了超过90,000个样本，覆盖了8种电池格式、80种化学系统、12种操作温度和646种充放电协议。此外，BatteryLife 是第一个发布锌离子电池、钠离子电池和工业测试的大容量锂离子电池寿命数据集。
特点
BatteryLife 数据集的特点是规模大、多样性高。它提供了前所未有的多样性，包括4倍的格式、16倍的化学系统、2.4倍的运行温度和3.4倍的充放电协议，相比于之前的最大数据集 BatteryML [50]。此外，BatteryLife 还包含了实验室测试的锂离子、钠离子和锌离子电池寿命数据，以及工业测试的大容量锂离子电池寿命数据。
使用方法
BatteryLife 数据集的使用方法包括以下步骤：首先，将数据集分为训练集、验证集和测试集。然后，对原始循环数据进行线性插值和归一化处理。接下来，使用机器学习模型对处理后的数据进行训练，并使用平均绝对百分比误差 (MAPE) 和 15% 准确率 (15%-Acc) 两个指标来评估模型性能。此外，BatteryLife 还提供了一个 CyclePatch 插件技术，可以应用于一系列神经网络中，以改进模型性能。
背景与挑战
背景概述
在当前社会，可充电电池广泛应用于电动汽车、电网和便携式设备等领域。然而，由于电池内部的电化学反应机制，电池在循环使用过程中会不可避免地发生退化，导致可用时间缩短，并可能引发安全问题。为了确保电池的安全和可持续运行，电池工程师和科学家需要进行退化测试以测量电池寿命。然而，这些测试通常耗时较长，因为电池寿命的下降是非线性的，需要数月甚至数年才能达到电池寿命的终点。因此，电池寿命预测（BLP）变得至关重要。BLP研究依赖于电池退化测试产生的时间序列数据，对于电池的利用、优化和生产具有重要意义。BatteryLife数据集的创建旨在解决现有数据集规模有限、数据多样性不足和基准不一致的问题，从而为电池寿命预测提供更全面、更准确的数据支持。
当前挑战
BatteryLife数据集面临的主要挑战包括：1)数据集规模有限，难以深入了解现代电池寿命数据；2)数据多样性不足，大多数数据集仅限于实验室测试的小型锂离子电池，且测试条件单一，难以推广；3)基准不一致，现有研究采用不同的数据集和实验设置，难以评估基准的有效性。为了解决这些挑战，BatteryLife数据集整合了16个数据集，样本量是之前最大数据集的2.4倍，并提供了最多样化的电池寿命资源，包括8种电池格式、80种化学体系、12种工作温度和646种充放电协议。BatteryLife数据集还首次发布了锌离子电池、钠离子电池和工业测试的大型锂离子电池的电池寿命数据集。此外，BatteryLife数据集还提供了一个统一的实验设置，支持从1到100个循环的电池寿命预测，覆盖了广泛的应用场景。
常用场景
经典使用场景
BatteryLife数据集是电池寿命预测领域的重要资源，它通过整合16个数据集，提供了超过90,000个样本，是迄今为止最大的电池寿命数据集。这使得研究人员能够深入了解现代电池寿命数据，并推动电池寿命预测模型的研发。此外，BatteryLife数据集提供了最多样化的电池寿命资源，涵盖了8种电池格式、80种化学系统、12种操作温度和646种充放电协议，包括实验室和工业测试。这使得模型能够在不同的测试条件下学习电池寿命的基本模式，并提高其泛化能力。
衍生相关工作
BatteryLife数据集的提出，为电池寿命预测领域的研究提供了新的思路和方向。基于BatteryLife数据集，研究人员可以开发更精确、更有效的电池寿命预测模型，并探索新的研究问题。此外，BatteryLife数据集还可以与其他数据集结合，构建更全面的电池寿命预测模型，推动电池寿命预测领域的发展。
数据集最近研究
最新研究方向
BatteryLife数据集为电池寿命预测领域带来了突破性的进展，它不仅提供了迄今为止最大规模的电池寿命数据集，还涵盖了多种电池类型和测试条件，极大地丰富了数据多样性。该数据集的发布解决了现有数据集规模有限、数据多样性不足以及缺乏统一基准的问题，为电池寿命预测研究提供了强有力的支持。基于BatteryLife数据集的研究表明，传统的时序分析方法并不适用于电池寿命预测，而CyclePatch等新型插接技术能够显著提高模型性能，为该领域的研究提供了新的思路和方法。此外，BatteryLife数据集还揭示了模型在不同老化条件和领域中的可迁移性，为未来研究指明了方向。
相关研究论文
- 1BatteryLife: A Comprehensive Dataset and Benchmark for Battery Life Prediction香港科技大学(广州) · 2025年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
CliMedBench
CliMedBench是一个大规模的中文医疗大语言模型评估基准，由华东师范大学等机构创建。该数据集包含33,735个问题，涵盖14个核心临床场景，主要来源于顶级三级医院的真实电子健康记录和考试练习。数据集的创建过程包括专家指导的数据选择和多轮质量控制，确保数据的真实性和可靠性。CliMedBench旨在评估和提升医疗大语言模型在临床决策支持、诊断和治疗建议等方面的能力，解决医疗领域中模型性能评估的不足问题。
arXiv 收录
CE-CSL
CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集，旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段，涵盖超过70种不同的复杂背景，确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向，通过收集大量真实场景下的手语视频材料，覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域，旨在提高手语识别技术在复杂环境中的准确性和效率，促进聋人与听人社区之间的无障碍沟通。
arXiv 收录
Obstacle-dataset OD
该数据集用于十五种障碍物检测，包含VOC格式和YOLO训练的.txt文件，数据集中的图像来自VOC数据集、COCO数据集、TT100K数据集以及作者团队实地收集的图片。
github 收录
学生课堂行为数据集 (SCB-dataset3)
学生课堂行为数据集(SCB-dataset3)由成都东软学院创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景，通过YOLOv5、YOLOv7和YOLOv8算法评估，平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础，解决教育领域中学生行为数据集的缺乏问题。
arXiv 收录
中国区域地面气象要素驱动数据集 v2.0（1951-2020）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 70 年（1951~2020 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 70 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致，仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新，以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中，计划于 2025 年上半年发布，从而使 CMFD 2.0 延伸至 2024 年底。
国家青藏高原科学数据中心 收录