“新能源电源系统智能感知与管控研究团队”成立于2023年8月，作为PG电子游戏平台(中国)官方网站 重点培育的产学研一体化创新团队之一，聚焦国家“双碳”战略需求，依托多学科交叉融合，开展新能源电源系统智能感知与管控关键技术研究，致力于解决新能源电源系统在复杂环境下感知精度低、管控效率差等关键技术难题，提升新能源汽车/智慧农机电源系统的安全性、可靠性和能效水平。

团队负责人范玉千教授。2025年1-8月，团队围绕锂离子/钠离子电池荷电状态（SOC）与健康状态（SOH）预测等核心技术，在《Applied Energy》《Energy》等国际能源领域顶级期刊上发表高水平论文7篇，其中中国科学院SCI一区TOP期刊论文4篇，二区2篇，四区1篇；申请/授权发明专利8项；立项河南省科技攻关项目2项。

1、学术论文

[1]  Fan Y, Li Y, Yan C, et al. A physics-enhanced hybrid kolmogorov-arnold network with dynamic coupling for interpretable battery state-of-charge estimation. Applied Energy, 2025, 400: 126533. (中国科学院1区TOP，IF：11.0)

[2]  Fan Y, Wang L, Yan C, et al. A novel SOH estimation method of sodium-ion batteries based on multi-channel threshold residual network. Energy, 2025, 334: 137744. (中国科学院1区TOP，IF：9.4)

[3]  Fan Y, Yan C, Wu X, et al. Mechanical stress-based state-of-charge estimation for lithium-ion batteries via deep learning techniques. Energy, 2025, 326: 136216. (中国科学院1区TOP，IF：9.4)

[4]  Fan Y, Zhao J, Li Y, et al. Integrated framework for battery cell state-of-health estimation in complex modules: Combining current distribution analysis and novel terminal voltage estimation L-EKF modeling. Energy, 2025, 314: 134258. (中国科学院1区TOP，IF：9.4)

[5]  Fan Y, Li Y, Yuan Y, et al. A spatiotemporal graph attention network-based SOH estimation method for lithium batteries in cross-temperature scenarios. Journal of Energy Storage, 2025, 123: 116752. (中国科学院2区，IF：9.8)

[6]  Wu X, Chong Y, Yi L, et al. A multifeature fusion approach for Lithium-ion battery state of charge estimation based on mechanical stress via the BiMamba-X model. Journal of Energy Storage, 2025, 125: 116976. (中国科学院2区，IF：9.8)

[7]  Li Y, Fan Y*, Liang Y, et al. Pressure-augmented physics-informed dynamic graph neural network and dual Kalman filter framework for robust battery state-of-charge estimation. Ionics, 2025. (中国科学院4区，IF：2.6)

2.发明专利

[1]  一种储能场景下钠离子电池健康状态估计方法: 2024117944678[P]. 2025-08-08(发明授权).

[2]  面向储能场景的准固态电池SOH-SOC联合估计方法: 202510473000.1[P]. 2025-07-18(发明授权).

[3]  面向智慧黄河水下航行器的锂电池SOH估计方法: 2025104731466[P]. 2025-06-20(发明授权).

[4]  一种基于深度强化学习的锂电池高安全快速充电方法: 202411650400.7[P]. 2025-04-18(发明授权).

[5]  基于物理约束下时序图神经网络的锂电池SOH估计方法: 2025111078972[P]. 2025-08-08(发明受理).

[6]  基于机-电-热多源数据融合的锂电池SOC估计方法: 2025108848623[P]. 2025-06-30(发明受理).

[7]  基于TCNUltra-SE融合的SOC估计方法: 202510506871.9[P]. 2025-04-22(发明公布).

[8]  基于多空间卷积门控网络的钠离子电池健康状态估计方法: 202510473053.3[P]. 2025-04-16(发明公布).

3.科研项目

[1]  河南省科技攻关项目，数据驱动的储能钠电池健康状态与剩余寿命预测关键技术及应用，2025.01-2026.12，经费10万元.

[2]  河南省科技攻关项目，梯级利用场景下基于数据驱动的动力电池SOH-SOC监测关键技术及应用，2025.01-2026.12，经费10万元.

（初审/范玉千  复审/王建平  终审/高国红）