研究团队使用电池测试仪模拟电池充放电，利用四线制夹具将锂离子电池固定并连接到测试仪，由计算机控制整个测试系统。实验数据采集涵盖海洋能电站工况下的加速老化测试、容量测试、DST测试和EIS测试多个环节。对四组不同初始SOC的电池进行多环节测试，获取电流、电压、容量、DST端电压曲线和EIS曲线等数据。
从特征上看，这些数据多维度展现电池特性，通过不同循环次数的数据变化体现电池老化过程，如部分电池容量先增后减、EIS曲线变化反映欧姆阻抗增大等。而且各类数据相互关联，能为研究电池内部物理化学过程、确定健康特征提供依据，全面深入地揭示电池在海洋能电站储能工况下的性能变化规律。

1、电池建模与参数辨识：为构建锂离子电池分数阶模型提供关键依据，利用合成实验数据对比不同算法在频域、时域和联合辨识下的效果，优化模型参数，提升模型精度。
2、健康特征提取与分析：凭借其中的DST和EIS测试数据，运用联合辨识法获取不同老化状态下的电池参数，经析因分析确定关键健康特征参数，为评估电池健康状态提供依据。
3、老化特性研究与储能优化：支撑海洋能电站储能工况下锂离子电池老化特性研究，助力优化储能系统设计与管理，如合理规划电池更换周期，提高系统可靠性和经济性。
4、状态监测与寿命预测技术开发：用于训练和验证电池状态监测与寿命预测模型。借助大量历史数据训练机器学习或深度学习模型，使其学习电池不同状态特征，经优化和验证实现对电池健康状态的精准监测和剩余寿命的准确预测，为电池维护管理提供决策支持，保障储能系统稳定运行。