你可以怎么操作
- 按播放，观察 228 个电芯随着检查推进而变化。
- 切换 calendar、cyclic 和 driving-profile 三种老化方式。
- 切换 HGB / ElasticNet，看模型选择如何改变 EIS 的增量价值。
- 点任意电芯，查看容量历史、未来 SoH 预测，以及三次检查后的真实核对结果。
电池可靠性 · KIT 历史数据回放
哪些电池正在偏离？EIS 能不能让预警更准？
拖动检查进度，让 228 个 KIT 实测电芯沿历史时间线一起老化。页面会在每个时点比较两个特征视图：B 只使用容量历史和实验背景，D_CORE 在同一个模型上再加入当前 EIS。三次检查以后，再用后来测到的 SoH 回头核对当时的预测。
Development OOF · 非最终模型 · 非生产报警数据署名：Matthias Luh 与 Thomas Blank（2024）。本页面使用的是经过转换的派生回放数据。 KIT v2 结果数据 ↗ CC BY 4.0 ↗
这个 Demo 真正在问什么
它不只是预测当前 SoH——当前容量测量本身已经能给出 SoH。更有用的问题是：只使用截至现在的数据，能否预测未来第三次检查时会损失多少 SoH；加入 EIS 后，这个未来预测是否稳定地变好？
目前最诚实的答案
没有统一答案。对 cyclic aging 的 HGB，加入 EIS 后 MAE 下降 0.625 个 SoH 百分点；但 cyclic ElasticNet 明显变差，calendar 基本没有变化，profile 结果混合。这说明 EIS 的价值依赖老化方式和模型，不能宣传成普遍提升。