锂离子电池组在WLTP动态工况与CC-CV充电下的循环数据集：面向电动汽车电池管理系统开发的实测资源

《Scientific Data》：Lithium-Ion Battery Pack Cycling Dataset with CC-CV Charging and WLTP/Constant Discharge Profiles

本研究针对电动汽车锂离子电池在真实驾驶工况下的性能演化与热管理难题，构建了一套包含36个电芯的电池组循环测试数据集。通过模拟WLTP驾驶循环与CC-CV充电策略，采集了多通道电压、电流、温度及内阻数据，并基于CAN总线通信架构复现车载BMS约束条件。该数据集为电池退化建模、SOC/SOH估算算法验证及热失控预警研究提供了高保真实验支撑，助力电动汽车动力系统优化与寿命预测。

　　

随着全球碳中和目标的推进，电动汽车已成为交通领域脱碳的核心载体。锂离子电池凭借其高能量密度和长循环寿命，成为电动汽车动力系统的“心脏”。然而，电池在实际使用中的性能衰减却像一颗定时炸弹——充放电过程中的热失控风险、动态负载下的容量跳水、电芯间的不均衡老化，无不威胁着整车的安全与可靠性。更棘手的是，实验室中恒流充放电的简化测试无法复现真实路况中频繁加速、再生制动等复杂场景，而车载电池管理系统（BMS）又受限于控制器局域网（CAN）总线的通信延迟与数据采样约束，导致算法验证缺乏高保真数据支撑。

为解决这一矛盾，来自西班牙加泰罗尼亚理工大学的Joaquín de la Vega Hernández团队在《Scientific Data》发表了题为《锂离子电池组循环数据集与CC-CV充电及WLTP/恒流放电曲线》的研究，公开了一套在严格控温环境下采集的电池组动态循环数据集。该研究通过模拟特斯拉Model 3在WLTP标准驾驶循环中的电功率需求，生成动态电流剖面，并对36个Panasonic NCR18650B电芯（NCA正极）组成的电池包进行长期循环测试，同步记录每颗电芯的双点温度、分支电流、电压及系统内阻等132维参数。尤为重要的是，实验平台采用商用汽车级BMS单元与CAN总线通信架构，使数据采集条件高度贴近车载实际环境。

关键技术方法

研究团队搭建了集成温控舱、多传感器阵列与自动化安全保护系统的测试平台。通过MATLAB/Simulink构建特斯拉Model 3车辆模型，将WLTP速度-时间曲线转化为电池组电流剖面；采用三路并联BMS单元采集电芯电压，霍尔传感器监测分支电流，72个NTC热敏电阻记录电芯表面温度；数据经由CAN总线传输，并以Apache Parquet格式存储。测试涵盖WLTP动态放电、CC-CV充电、容量校验循环等多模式工况。

数据内容与结构

数据集按循环周期组织为Parquet文件，每个文件包含一次完整充放电半周期数据。其中：

• •
  动态放电阶段：以WLTP电流曲线驱动，截止电压为38.4 V；
• •
  充电阶段：采用CC-CV模式，恒流段电流为1 A/分支，截止电流0.07 A/分支；
• •
  容量校验循环：以0.64 A/分支恒流放电，用于标定电池容量衰减。
  数据字段涵盖36个电芯电压、3路分支电流、72个温度点、包级内阻及BMS估算的SOC（State of Charge）值，采样率不低于2 Hz。

数据质量验证

团队通过干井校准器对热敏电阻进行标定，并设计实时同步算法将WLTP理论电流与实测电流间延迟控制在2秒内。图2展示了循环中多电芯温度、分支电流与电压的同步变化，凸显了动态工况下电芯间热电耦合效应的时空异质性。当电芯电压差异超100 mV或温度越界时，系统自动触发平衡模式或暂停测试，确保数据可靠性。

应用场景与意义

该数据集首次将WLTP动态工况、多电芯热电监测与车载BMS通信约束整合于统一框架，为以下研究提供基准：

1. 1.
   电池退化建模：通过410次循环数据（图10展示容量衰减轨迹），可分析NCA电芯在动态应力下的容量衰减（Capacity Fade）与内阻增长（Resistance Increase）规律；
2. 2.
   BMS算法验证：支持SOC/SOH（State of Health）估算、热失控预警、电芯均衡策略等在真实通信约束下的性能评估；
3. 3.
   热管理优化：双点温度数据为模组级热仿真与液冷系统设计提供验证依据。

结论

本研究释放的电池组循环数据集，通过高精度传感与车载级通信架构，填补了动态工况下电池性能演化研究的数据空白。其多参数同步采集、标准化驱动剖面及长期循环追踪特性，为电动汽车电池管理技术的迭代提供了不可或缺的实测基石。未来，该资源可进一步扩展至快充策略评估、低温性能分析等场景，推动电池全生命周期管理的精细化与智能化发展。