01
电池基础与BMS概述
锂离子电池工作原理、关键参数（SOC、SOH、DOD）、BMS核心功能与架构。
基础BMS
02
充放电特性分析
恒流恒压充电（CCCV）、不同倍率放电特性、内阻与温度影响。
特性CCCV
03
SOC估算方法（上）
开路电压法（OCV）、安时积分法（库仑计数）的原理与实现。
SOCOCV
04
SOC估算方法（下）
卡尔曼滤波（EKF/UKF）入门、神经网络与数据驱动方法简介。
EKF神经网络
05
SOH与寿命预测
容量衰减机理、循环寿命模型（如NREL模型）、基于阻抗谱的SOH估计。
SOH寿命
06
等效电路模型
一阶RC、二阶RC模型搭建、参数辨识（最小二乘法）与仿真验证。
RC模型辨识
07
电热耦合模型
电池产热机理、集总参数热模型、电-热联合仿真。
热模型耦合
08
充电策略基础
标准CCCV充电、多阶段恒流充电（MCC）、脉冲充电原理。
MCC脉冲
09
快速充电技术
高倍率充电挑战、阶梯电流充电、基于模型的优化充电。
快充阶梯电流
10
放电策略与功率管理
峰值功率预测（SOP）、放电深度控制、负载均衡策略。
SOP负载均衡
11
均衡管理
被动均衡（电阻耗散）、主动均衡（电容/电感/变压器）、均衡策略对比。
均衡主动
12
安全保护机制
过充/过放保护、过流/短路保护、热失控预警与防护。
安全热失控
13
低温策略
低温充电难点、加热策略（自加热/外部加热）、低温SOC修正。
低温加热
14
老化感知策略
基于SOH的动态调整、容量衰减补偿、自适应充放电参数。
老化自适应
15
动态规划（DP）优化
DP基本原理、在充放电策略中的应用、状态空间离散化。
DP优化
16
模型预测控制（MPC）
MPC框架、约束处理、实时优化充放电电流。
MPC实时
17
强化学习（RL）入门
Q-Learning、DQN、在电池策略中的探索与利用。
RLDQN
18
多目标优化
Pareto前沿、加权和法、NSGA-II在寿命与性能间的权衡。
ParetoNSGA-II
19
数据驱动策略
基于历史数据的策略学习、迁移学习在电池中的应用。
数据驱动迁移学习
20
实时策略实现
嵌入式系统约束、代码生成与部署、硬件在环（HIL）测试。
嵌入式HIL
21
通信协议与数据采集
CAN总线基础、Modbus协议、高精度数据采集系统设计。
CANModbus
22
电池测试与标定
测试流程设计（循环/工况）、参数标定实验、数据处理与拟合。
标定测试
23
仿真环境搭建
MATLAB/Simulink仿真、PyBaMM开源库使用、联合仿真案例。
SimulinkPyBaMM
24
策略评估指标
充电时间、能量效率、寿命衰减率、安全性评分体系。
评估指标
25
案例研究：电动汽车快充
基于MPC的充电策略、实际路况适应性分析。
EV快充
26
案例研究：储能系统调度
峰谷套利、频率调节、电池退化成本建模。
ESS调度
27
案例研究：消费电子充电
用户习惯学习、涓流充电与健康充电。
消费电子健康充电
28
前沿技术
固态电池充电特性、锂金属电池策略、AI for Battery（数字孪生）。
固态数字孪生
29
标准与法规
IEC 62660、UL 2580、GB/T 31484等解读、功能安全（ISO 26262）基础。
标准ISO 26262
30
综合项目实战
从数据采集到策略部署：端到端流程、项目报告撰写、答辩要点。
实战项目