电池管理软件
将电池遥测数据转化为监测与诊断工具，帮助车主了解电池状况。
AI 电池智能 · 仅限特斯拉
了解你特斯拉电池的真实健康，以及它 究竟值多少。
Dr.EV 直接从特斯拉车队遥测读取数据，返回诚实的 AI 认证电池报告，涵盖健康、续航、隐藏风险与残值，抢在损失发生之前。
未被追踪的衰减让普通车主平均损失~$4,200/yr
★★★★★ 4.8 App Store1 天免费试用 · 随时取消
由电池管理工程师打造。
了解我们的工程与研究Battery Health● Live
94%
State of Health
预计续航291 mi
衰减6.0%
残值影响+$3,100
4.8★
App Store
4.7★
Google Play
9
已授权专利
15
语言
Dr.EV 背后的工程团队
由电池管理工程师打造。
Dr.EV 由 BatterMachine 的电池管理系统（BMS）工程团队开发，结合电池管理软件、电池状态算法与真实车辆数据。
电池状态算法
开发电池状态估算、衰减追踪与异常模式分析方法。
真实运行数据
利用车辆与充电记录研究电池在日常运行中的表现。
12,000+
注册车辆
Dr.EV 平台总体覆盖
400,000+
充电会话
真实运行数据
9
韩国已授权专利
BatterMachine 专利组合
14
PCT 国际申请
国际专利申请
4
美国专利申请
申请中 · 尚未授权
1
中国专利申请
申请中 · 尚未授权
数据由公司提供，截至 2026 年 10 月。平台总量反映整体数据覆盖范围，并非电池故障研究的样本量。
Battermachine 研究
电池风险检测背后的研究。
电池数据能否帮助识别电池包故障车辆？这项回顾性研究同时比较了故障车辆的检出情况和健康车辆被误报的比例。
双模型集成 · 目标误报率 1%
- 故障车辆检出率
- 79.9%
- 154 辆故障车辆中检出 123 辆
- 健康车辆被误报的比例
- 0.990%
- 3,435 辆健康车辆中误报 34 辆
- 研究车辆总数
- 3,589
- 154 辆故障车辆 + 3,435 辆健康车辆
这项回顾性比较使用了此前已探索的标签，并非独立验证，也不能据此证明 DrEV 应用在实际运行中的性能。
研究图表与完整结果
| 目标误报率 | 实际误报率 | 双模型集成 | 三模型集成 |
|---|---|---|---|
| 0.1% | 0.087%3 / 3,435 | 42.2%65 / 154间隔中位数: 30.9 天 | 50.6%78 / 154间隔中位数: 35.8 天 |
| 1% | 0.990%34 / 3,435 | 79.9%123 / 154间隔中位数: 30.7 天 | 76.6%118 / 154间隔中位数: 30.3 天 |
预警间隔如何计算
两种集成模型在 0.1% 和 1% 目标误报率下的提前预警间隔中位数范围为 30.3–35.8 天。
仅统计已检出的故障车辆，测量首次预警至该电池包最后一次观测会话结束的间隔。实际故障起始时间未知，因此该间隔不能证明预警发生在故障前多久。
结果仅描述本研究队列，不代表全部注册车辆。三模型集成结合了四个残差分数，未包含实测离散度分量。
电池状态与剩余寿命模型结果
这些结果针对 SOH 与剩余使用寿命（RUL）模型，与回顾性电池故障研究独立，不代表故障预警性能。
NCM / NCAR² 0.838
SOH estimationMAE 1.84 pp
LFPR² 0.795
SOH estimationMAE 1.37 pp
NCM / NCAR² 0.916
RUL estimationMAE 6.14 mo
LFPR² 0.900
RUL estimationMAE 7.07 mo
隐藏的成本
你的电池正在悄悄贬值，只是你看不见。
仪表盘只显示续航数字，而非真相。衰减、电芯失衡与充电习惯早在警示灯亮起前就侵蚀残值。Dr.EV 提前揭示，让你在合适的时机行动或出售。
✓不是仪表盘上乐观的数字，而是电池真实的健康状态（SOH）。
✓查看电池与充电的异常模式，为进一步排查提供依据。
✓获得可在出售时证明价值的 AI 认证报告。
残值随时间变化8 年
使用 Dr.EV 管理未管理
一个应用搞定一切
为你无法拆开的电池做全面诊断。
AI 电池健康
基于特斯拉车队遥测数据，每周更新精确的 SOH 与剩余寿命预测。
充电效率
了解真正进入电池的能量，以及哪些充电习惯在损耗续航。
电池异常提醒
提示电池的异常模式，为进一步排查与维护决策提供参考。
续航与衰减
追踪真实续航与衰减趋势，并与同类特斯拉对比。
残值认证
生成买家与保险公司信赖的 AI 认证电池报告，出售时价值实打实。
专为特斯拉打造
覆盖每一款车型的特斯拉专用集成。无需加装硬件，连接即可。
在手机上查看
内在引擎
由 BatterMachine 的 ML 核心引擎驱动。
Dr.EV 结合 BatterMachine 的电池工程、融入物理知识的机器学习与真实运行数据，研究电池状态、衰减以及与电池故障相关的模式。
01 · Data Ingestion →
Charging sessions
Cell voltages
Temperature
State of charge
Data Foundation
unified per-vehicle session store
02 · Physics Layer →
Physics Signal Layer
Interpretable signatures extracted from raw telemetry, shared by both branches.
03 · Two-Branch AI →
Health & Lifetime
Degradation Trends → Monotonic Transformer ×3 → SOH · RUL
Behavior & Risk
Encoder → Decoder → Forecaster
autoencoder + recurrent forecaster
04 · Outputs
SOH
RUL
Alert
Anomaly
示例模型输出
Mileage · shaded = confidence band
78
months
19
cycles ×100
24
miles ×10k
Remaining life · point + interval
70.0
Normal
15.0
Watch
9.9
Early Warning
5.1
High Risk
Share of fleet by risk tier
Session #lowhigh
代表性模型输出示例。电池状态与剩余寿命估算，与电池故障研究属于不同任务。
什么是 Physics-Informed AI？
将电化学物理与机器学习融合，模型学习电池的真实行为而非仅数据规律，即使数据稀疏也能保持精度。
实时采集
持续采集运行中特斯拉的充电遥测数据。
持续学习
新数据到达时模型自动更新。
精度提升
数据越多，诊断越精准。
Cloud Dataset
数据采集
持续采集车队遥测、电池化学特性与衰减轨迹。
Physics-Guided Learning
模型训练
物理信息特征将电化学领域知识与机器学习结合。
Diagnosis & Prediction
AI 推理
风险引擎、异常检测与衰减模型生成精确诊断。
Outputs & Feedback
输出与反馈
预测、预警与风险评分反馈用于持续优化模型。
More on the engine at battermachine.ai →
专利保护的核心技术
融入 Dr.EV 的专利电池智能。
BatterMachine 的专利组合包括 9 项韩国已授权专利、14 项 PCT 国际申请，以及正在申请中的 4 项美国专利和 1 项中国专利。下方展示部分已授权专利，涵盖状态估算、安全管理、云端智能与自适应监测。
部分韩国已授权专利
支持多样输入向量的电池状态估算 DNN 模型生成方法
KR 10-2881214
使用解码器并基于有限数据的安全电池管理方法
KR 10-2895371
通过条件学习生成电池状态估算模型的方法
KR 10-2911543
考虑产品使用环境变量的电池管理方法
KR 10-2911550
基于云端的电池管理系统及其方法
KR 10-2911556
产品休眠期间的自适应电池监测方法
KR 10-2905098
专利组合状态 · 截至 2026 年 10 月 · 部分示例
查看专利组合深受特斯拉车主喜爱
特斯拉车主评分 4.8★
★★★★★
专业的电池管理
“使用了一天，发现里面有很多内容可看。行驶信息、充电信息、电池评分、预计续航等信息非常丰富，让我经常打开查看。车辆提醒在车机屏幕上如果不主动点击就容易忽略，而应用也会推送提醒，这一点很好。不过，如果能更详细地说明各项数值的含义，以及哪些数值属于正常或异常范围，就更好了。”
M3du11a · 2025. 12. 26. · App Store 评价 · 译自韩文
★★★★★
丰富而实用的必备信息
“在连接并设置车辆时，可以轻松查看各种电池相关信息，而且说明清楚易懂，是一款使用起来非常方便的应用。非常期待今后的实际使用。如果可以的话，希望能在车辆控制中加入手动预调节功能，这样在使用第三方快充时应该会很有帮助。”
사태야호 · 2025. 11. 12. · App Store 评价 · 译自韩文
★★★★★
电动车管理必备应用
“如果完全不在意这些问题，可能无所谓；但如果因为电动车电池问题而想做好管理，这就是一款必备应用。尤其对于特斯拉车主来说，我认为非常有必要。直观而详细的说明和灵敏的反馈让人使用起来很放心。希望今后也能持续稳定地更新。”
이중삼중의 · 2025. 09. 21. · App Store 评价 · 译自韩文