MIT 电池数据集，通常指的是 麻省理工学院（MIT）与 斯坦福大学 等机构联合发布的一组用于锂离子电池循环寿命预测的高质量数据集

MIT 电池数据集通常指的是麻省理工学院MIT与斯坦福大学等机构联合发布的一组用于锂离子电池循环寿命预测的高质量数据集相关成果发表于《自然·能源》Nature Energy2019 年的论文“Data-driven prediction of battery cycle life before early cycles”。该数据集在电池退化研究领域使用广泛具有较高的权威性。数据集核心特点目标通过早期充放电循环数据前几十个循环预测电池的总循环寿命。电池类型商用LFP磷酸铁锂/石墨电芯标称容量 1.1 Ah。实验规模共124 节电池在不同充放电倍率如 0.5C、1C、2C、4C 等和不同恒流恒压充电截止条件下进行循环老化实验。数据量超过135 万个充放电循环的电压、电流、温度、容量等时序记录。关键特征包含每节电池的前 100 个循环部分电池仅有几十个有效循环以及对应的最终容量衰减至 80% 的循环数寿命标签。数据集内容示例字段说明cycle循环编号Qc充电容量AhQd放电容量AhT平均温度°CV与I序列每个循环内的电压、电流曲线降采样后数据discharge_capacity_fade容量衰减至 80% 时的循环数用于监督学习标签获取方式该数据集完全公开可在以下平台下载主存储库Google Drive / Dropbox 镜像→ 论文官方链接需注册/登录https://data.matr.io/1/projects/5c48dd2bc625d700019f3204GitHub 辅助工具含数据读取代码https://github.com/rdchler/battery-data-toolsKaggle 镜像方便直接下载 CSVhttps://www.kaggle.com/datasets/ignaciovick/mit-battery-dataset与常见其它电池数据集的对比数据集电池数量是否可用于早期寿命预测典型任务MIT124✅ 是前 100 循环寿命分类/回归、早期预测NASA~20❌ 通常仅用于衰退建模RUL 预测CALCE~15❌容量退化拟合Oxford~8❌机理模型验证典型研究用途利用前 5-50 个循环的电压/温度曲线特征预测电池总寿命回归/二元分类长寿命 vs 短寿命。评估不同充电策略对电池老化的影响。验证机器学习模型如 CNN、RNN、GPR在数据稀缺情况下的泛化能力。