非理想电容弧
论文图型参考 · 原创模型演示。
合成示例 · 非实验数据
放大图样 ↗① 源码与 CSV 解压到同一文件夹。
② 请 AI 运行 render_existing.py,得到 PNG、SVG 和 PDF;再核对并换成你的数据。
源码和 CSV 解压到同一文件夹即可重画。图件和提示词可分别下载。
你也可以用自己的话说。
查看请求
请读取绘图包里的 README 和 metadata.json,按说明在项目独立环境中运行包内已有源码,重画这份演示数据。不要重新生成或改写演示 CSV。收到我的文件后,先核对列名、单位、归一化基准与测试条件,再在副本中适配。逐圈容量、库伦效率与容量保持率用散点,不加连线;连续电压和光谱用无点实线,数据坐标四周保留框线。全电池保持率需明确参考圈、参考容量和相同工况,缺项先补齐;Li‖Cu 不强加保持率。不要继承演示条件、补造数据或静默覆盖旧图;回复只给结果位置和必要的下一步。
论文依据、公式与适用范围
原创模型演示,不复现论文数据;图型参考与公式依据分别注明。
Probing process kinetics in batteries with electrochemical impedance spectroscopy ↗
Figures 1, 3, 7–8; linearised charge-transfer equation
Z=Rs+(1/R+Q(jω)^α)^−1
Passive lumped circuit, not a unique battery mechanism. Q is a capacitance only when α=1. Finite-diffusion low-frequency limits depend on the declared boundary. The complete equal-scale Nyquist and frequency record are retained alongside any declared zoom. No Kramers–Kronig or measured-data fit is claimed.
输入与使用边界
data.csv, model.json
输入格式、单位和条件见 README 与 metadata.json。示例是合成数据,不能用于论文实验结果。
Declared analytic parameters in scientific_basis.parameters; no experimental cell or material is assigned.
示例的模型与依据
按声明的教学模型生成。参数为自设,引用支持公式或测试方法,不是从论文复制的实测数字。
计算关系
- Z=Rs+(1/R+Q(jω)^α)^−1
使用边界
- Passive lumped circuit, not a unique battery mechanism. Q is a capacitance only when α=1. Finite-diffusion low-frequency limits depend on the declared boundary. The complete equal-scale Nyquist and frequency record are retained alongside any declared zoom. No Kramers–Kronig or measured-data fit is claimed.
模型来源
- Probing process kinetics in batteries with electrochemical impedance spectroscopy
Equivalent-circuit / relaxation representations; small-signal, steady-state constraints.
相关资源
来源与引用
原创合成示例,数据与本版源码包含在绘图包内;未使用论文数据或原图
VoltPeer. 非理想电容弧. Synthetic teaching delivery, version 1.0.0; data generator 1.0.0.BIB ↓ RIS ↓
VoltPeer maintainers · v1.0.0 · MIT
文件、校验与检查状态
文件和格式已检查;模型测试范围见适配说明。格式检查不代表科学审核。
assets/showcase/paper_eis_cpe/data.csv bf1adeb523a530af4d51328b8f2c431fbbfc800889cde81f79703f95157ace5a assets/showcase/paper_eis_cpe/figure.pdf 22253a6faa7f93615797881ac02bd7d67c4b60a3dd076b499d365089eb205e70 assets/showcase/paper_eis_cpe/figure.png beb7acb4edcfa6eeaf4d8c9f3851ef5c15147a047d16c6895a77af5a750f39c0 assets/showcase/paper_eis_cpe/figure.svg fa747ff0e81ff2628bdc45bc0756415f6aa27940e6dd49efe1a7398422e5f267 assets/showcase/paper_eis_cpe/metadata.json 643f8c3118f7409b1311832eaabc342634a6f01e6e924e496a9b88c7c8d7ca7f assets/showcase/paper_eis_cpe/model.json f3232b5dc7abcb1898bbc00a8d13e538391baff14dba3c865770e0e175aa33bd assets/showcase/paper_eis_cpe/render-report.json 52fac626a25155bb5b44fc2222ce4e1b6eabb66cc87d5a2fd22809143c90c223 assets/showcase/BRF-demo-paper_eis_cpe.zip c7c864eaab1529657d803ab122270bf6655e157a916e57047981b2c0c064ec1a assets/citations/paper_eis_cpe.bib 02091461ccf6562b60e294b9640fa7aa328da6509708108ab648112ab50ec525 assets/citations/paper_eis_cpe.ris 529ddb0288ee84441cfc893dbe2bc5a4a082ae595156985a8650c7c285771037