精品数据分享 | 锂电池数据集（一）新能源汽车大规模锂离子电池数据集
往期精彩内容：
半天入门！锂电池剩余寿命预测（Python）-CSDN博客
VMD + CEEMDAN 二次分解，BiLSTM-Attention预测模型-CSDN博客
高创新 | CEEMDAN + SSA-TCN-BiLSTM-Attention预测模型-CSDN博客
独家原创 | 基于TCN-SENet +BiGRU-GlobalAttention并行预测模型-CSDN博客
独家原创 | BiTCN-BiGRU-CrossAttention融合时空特征的高创新预测模型-CSDN博客
CEEMDAN +组合预测模型(CNN-Transfromer + XGBoost)-CSDN博客
时空特征融合的BiTCN-Transformer并行预测模型-CSDN博客
独家首发 | 基于多级注意力机制的并行预测模型-CSDN博客
重大更新！锂电池剩余寿命预测新增 CALCE 数据集_calce数据集-CSDN博客
基于 VMD滚动分解+Transformer-GRU并行的锂电池剩余寿命预测模型
快速傅里叶变换暴力涨点！基于时频特征融合的高创新时间序列分类模型-CSDN博客
基于CNN-BiLSTM-Attention的回归预测模型！-CSDN博客
继续更新！注意力机制+锂电池剩余寿命预测合集
连续小波变换（CWT）+时间序列预测！融合时频分析与深度学习的预测新思路
一区直接写！CEEMDAN分解 + Informer-LSTM +XGBoost组合预测模型
1 前言
随着新能源汽车的迅猛发展，锂离子电池作为其核心动力源，性能优化和寿命管理成为产业和科研的重点课题。高质量锂电池数据集的获取与共享，是推动电池技术创新和智能算法研发的关键。今天，我们分享【新能源汽车大规模锂离子电池数据集】，为您开启锂电池数据驱动研究与应用的新篇章。
锂离子电池的工作状态复杂多变，充放电过程伴随着电化学反应的非线性变化和环境条件的影响。准确的电池状态估计（State of Charge, SOC）、健康状态监测（State of Health, SOH）及寿命预测，对保障新能源汽车的安全性和经济性至关重要。
2 数据集背景与描述
本数据集所有数据均来源于真实环境下实车运行的锂电池数据，数据集可用于锂电池健康状态估计、剩余寿命预测、故障诊断等领域。本数据集仅限学术研究使用。以下是本数据集的详细信息：
2.1 数据来源：
数据来源于运营车辆（已停产），共计300辆，里程范围0-50万公里，运行周期范围0.5-4年，涵盖车辆充电、放电、静置等所有行车工况信息。
2.2 数据字段：
-
包括终端时间(terminaltime)
-
电量(soc)
-
车速(speed)
-
累计行驶里程(totalodo meter)
-
充放电状态(chargestatus)
-
总电压(totalvoltage)
-
电流(totalcurrent)
-
最小单体电压(minvoltagebattery)
-
最大单体电压(maxvoltagebattery)
-
最小传感器温度(mintemperaturevalue)
-
最大传感器温度(maxtemperaturevalue)
-
单体电压列表(batteryvoltage)
-
传感器温度列表(probetemperatures)字段
2.3 数据统计：
数据采样频率为10秒/帧，数据样本共计约8.5亿帧，数据体量：压缩前约581GB，压缩后约72GB。
3 数据集下载（Download）
数据以CSV格式文件存储。本页面提供样例数据集（100MB）下载链接和全量数据集（72GB）下载链接。
欢迎您在CC BY-NC-SA 4.0许可下分享此数据集。如果数据集有助于您的研究工作，请在您出版物的适当位置引用该数据集的出处。参考示例如下：
[1] Liu, H., Li, C., Hu, X. et al. Multi-modal framework for battery state of health evaluation using open-source electric vehicle data. Nature Communications 16, 1137 (2025). https://doi.org/10.1038/s41467-025-56485-7
3.1 类别：
-
三元锂离子电池（Ternary Lithium Battery）
-
全生命周期（Full Life Cycle）
-
健康状态估计（State of Health Estimation，SOH）
-
荷电量估计（State of Charge Estimation，SOC）
3.2 发布单位：
智能汽车安全技术全国重点实验室（State Key Laboratory of Intelligent Vehicle Safety Technology (IVST)）
3.3 数据集下载链接：
智能汽车安全技术全国重点实验室（State Key Laboratory of Intelligent Vehicle Safety Technology (IVST)）
下载地址：
http://ivstskl.changan.com.cn/?p=2697
更多模型代码、资料，点击下方卡片获取代码！