2026.08.06 · 电池研究日报

2026-08-06 电池寿命预测研究监测报告

今日结论

• 今日新增并完成核验的候选论文：4 篇。
• 最值得跟进 1-2 篇：
  1. Multi-scale feature-driven state of health estimation and weighted convolution-based remaining useful life prediction for lithium-ion batteries（Journal of Energy Storage）：题名直接覆盖 SOH+RUL，属于核心跟进对象；当前只能核验到 ScienceDirect/检索元数据级信息，需后续获取全文确认模型细节。
  2. Retrieval-Augmented Degradation Priors for Data-Efficient Early Lithium-Ion Battery Lifetime Prediction（Batteries）：早期 EOL/lifetime prediction，摘要给出 Severson/TRI/MIT 与 BatteryLife-XJTU 外部确认，方法清晰，适合纳入早期寿命预测基线池。
• 总体判断：今天真正贴近“寿命预测/EOL/RUL/SOH”的是前两篇；第 3 篇是 SOH 作为功能安全变量的理论框架，第 4 篇是硅基锂电退化机理仿真与寿命延长控制，更偏安全/机理/控制，建议低优先级观察而非作为预测模型主线。
• 核验说明：已按要求尝试打开每篇论文的 PDF/URL/DOI。ScienceDirect 与 MDPI 页面部分抓取失败，因此对应条目明确标注“摘要/元数据级”。Nature 与 IOP 页面成功打开，可确认摘要、作者机构和通讯作者信息。

论文总览表

单篇论文卡片

1. Multi-scale feature-driven state of health estimation and weighted convolution-based remaining useful life prediction for lithium-ion batteries

基本信息

• 标题：Multi-scale feature-driven state of health estimation and weighted convolution-based remaining useful life prediction for lithium-ion batteries
• DOI/URL：https://doi.org/10.1016/j.est.2026.124045
• 期刊/会议/预印本平台：Journal of Energy Storage
• 发表日期：2026-08-04
• 作者和机构：Jun Zhou, Junbang Ma, Xing Wu, Tao Liu；机构未能从可访问内容确认
• 通讯作者：未能确认
• 脚本评分：68
• 期刊指标核验：未核验；脚本期刊分层为 core storage journal / Q1

纳入理由和命中证据

• 题名直接包含 state of health estimation 与 remaining useful life prediction，符合 SOH/RUL 主题。
• 检索页面片段显示“joint framework is proposed for battery SOH estimation and RUL prediction；multi-scale health features are extracted to capture degradation dynamics”。
• 与普通材料/调度论文不同：目标是健康状态估计和剩余寿命预测，而不是单纯电极材料性能或系统能量管理。

创新点

• 从题名和检索片段看，创新点可能在多尺度健康特征提取与加权卷积 RUL 预测的组合。
• 由于 ScienceDirect/DOI 内容抓取失败，具体网络结构、权重机制和训练策略未能确认。

主要内容

• 目标：联合处理锂离子电池 SOH 估计与 RUL 预测。
• 方法：多尺度特征驱动 + weighted convolution-based predictor；细节需全文确认。

模型方法 / 模型架构/方法流程

• 未能从可访问内容确认完整流程。
• 可确认关键词：multi-scale feature-driven、weighted convolution、SOH estimation、RUL prediction。

输入特征与输出目标

• 输入特征：多尺度 health features，具体是否来自电压/电流/温度/容量曲线/ICA/DVA 未能确认。
• 输出目标：SOH 与 RUL。

数据集/电池体系 / 数据来源/数据结构/电池类型/循环协议

• 电池类型：锂离子电池。
• 数据集、样本数、循环协议、温度倍率、训练/测试划分：未能从可访问内容确认。

结果指标

• 未能从可访问内容确认 MAE/RMSE/MAPE/cycle error 等指标。

Baseline/对比方法

• 未能从可访问内容确认。

泄漏风险/局限性/复现性

• 泄漏风险：信息不足。重点需检查是否按电池划分训练测试，是否使用未来循环片段或全生命周期归一化。
• 局限性：当前无法确认跨工况/跨数据集泛化。
• 复现性：信息不足；未确认代码和数据是否开放。

是否值得跟进 / 对哥哥研究/落地的启发和后续动作

• 结论：跟进。
• 后续动作：获取 ScienceDirect 全文；重点抽取多尺度特征定义、weighted convolution 设计、数据集划分与误差指标；若验证严格，可加入 SOH+RUL 联合建模对比表。

2. Retrieval-Augmented Degradation Priors for Data-Efficient Early Lithium-Ion Battery Lifetime Prediction

基本信息

• 标题：Retrieval-Augmented Degradation Priors for Data-Efficient Early Lithium-Ion Battery Lifetime Prediction
• DOI/URL：https://doi.org/10.3390/batteries12080284
• 期刊/会议/预印本平台：Batteries
• 发表日期：2026-08-04
• 作者和机构：Yuelin Zou, Yajun Zhang, Ke Lv；机构未能从可访问内容确认
• 通讯作者：未能确认
• 脚本评分：65
• 期刊指标核验：未核验；脚本期刊分层为 specialized battery journal

纳入理由和命中证据

• 摘要明确写到 early lithium-ion battery lifetime prediction、end-of-life (EOL) prediction、“only a small fraction of a cell’s lifetime is observed”。
• 方法关注早期窗口下的数据效率，与电池寿命预测任务高度一致。
• 与一般退化描述不同：明确输出寿命/EOL 预测，并报告 MAE 改善和外部确认。

创新点

• 将监督早期循环预测器与基于相似历史电池的最近邻 retrieval estimate 进行验证集调参融合。
• 强调 retrieval 作为可解释退化先验，在弱信号早期窗口中补充监督模型。
• 摘要报告在短观察窗口下提升明显，但 50/100 cycle 的收益不受支持，边界表述较诚实。

主要内容

• 在 Severson/TRI/MIT LFP/graphite 数据集上做 20 次 cell-wise split 重复评估。
• 在 BatteryLife-XJTU 上做 40 split 外部确认。
• 对比 supervised-only、retrieval-only 和融合策略。

模型方法 / 模型架构/方法流程

• Supervised early-cycle predictor：具体模型类型未能从可访问内容确认。
• Retrieval estimate：基于相似历史 cells 的 nearest-neighbor retrieval。
• Fusion：validation-tuned combination，将监督预测与 retrieval 估计融合。

输入特征与输出目标

• 输入特征：早期循环观测窗口，具体曲线/统计特征未能确认。
• 输出目标：EOL/lifetime，以 cycles 为单位。

数据集/电池体系 / 数据来源/数据结构/电池类型/循环协议

• Severson/TRI/MIT：124 个 lithium iron phosphate/graphite cells。
• BatteryLife-XJTU：作为 50 observed cycles 的外部确认数据集；具体电池数和协议未能从可访问内容确认。
• 划分：摘要明确为 cell-wise splits；外部确认为 targeted 40-split。

结果指标

• Severson/TRI/MIT：10 observed cycles 时，融合相对验证选择的监督基线平均 MAE 降低 10.08 cycles；20 observed cycles 时降低 11.90 cycles；置信区间排除 0。
• 50 与 100 cycles：摘要称收益 unsupported。
• BatteryLife-XJTU：50 observed cycles 下，mean MAE 从 34.11 降至 28.02 cycles；paired bootstrap 95% CI for gain: 0.47–11.41 cycles；one-sided Wilcoxon p=0.007。

Baseline/对比方法

• Supervised-only baseline。
• Retrieval-only prediction。
• Validation-selected supervised baseline。

泄漏风险/局限性/复现性

• 泄漏风险：相对较低到中等。摘要明确 cell-wise split，优于随机循环片段切分；但 retrieval 相似性计算是否严格只使用预测时可获得早期信息，仍需全文确认。
• 局限性：融合收益主要在 10/20 cycle 弱信号窗口，50/100 cycle 不稳定；适用前提是历史库与目标电池处于 compatible regime。
• 复现性：信息不足；未确认代码开放。数据集本身较常见，复现实验有可行性。

是否值得跟进 / 对哥哥研究/落地的启发和后续动作

• 结论：强烈跟进。
• 后续动作：把 retrieval-only / supervised-retrieval fusion 加入早期寿命预测 baseline；检查相似性度量和 validation tuning 是否可迁移到自有数据；重点复现 10/20 cycle 早期窗口。

3. Battery state-of-health as a functional safety variable: an ISO 26262-aligned AI framework for electric vehicle ADAS power integrity

基本信息

• 标题：Battery state-of-health as a functional safety variable: an ISO 26262-aligned AI framework for electric vehicle ADAS power integrity
• DOI/URL：https://doi.org/10.1038/s41598-026-65007-4
• 期刊/会议/预印本平台：Scientific Reports
• 发表日期：2026-08-03
• 作者和机构：Nick Barua, Md Tanjil Sarker, Marran Al Qwaid, Md. Shabiul Islam, Shah Mohazzem Hossain, Kazy Noor-e-Alam Siddiquee；机构包括 Shiga University of Medical Science、Multimedia University、Shaqra University、Military Institute of Science and Technology 等
• 通讯作者：Md. Shabiul Islam
• 脚本评分：57
• 期刊指标核验：未核验；脚本期刊分层为 broad open-access journal / Q1

纳入理由和命中证据

• Nature 页面摘要明确写到：将电池 State-of-Health (SoH) 从被动维护指标提升为 “live, mode-governing safety variable”。
• 框架集成 SoH estimation、power-margin monitoring、functional-safety decision logic、actuation、lifecycle management。
• 但该文不是典型 EOL/RUL 预测模型论文，而是面向 EV ADAS 功率完整性的理论安全框架。

创新点

• 将 SOH 纳入 ISO 26262 功能安全决策链，讨论 BMS–ADAS 功率接口风险。
• 引入五层 theoretical co-design framework，并结合 FTA/HARA 做代表性 hazard 分析。

主要内容

• 以 851 W transient load 为例分析 DC/DC converter margin。
• 区分 regulated operation 与 5.15 A hard-input-current-limit 边界条件。
• 结论指出在给定场景中 comfort load shedding failure 是功率裕度压缩的主因；SOH 单独贡献在 regulated operation 为 0 W，在 adverse hard-limit 下约 40 W。
• LiDAR 子系统分配模型给出额外停车距离估计约 0.84–1.40 m，另一定义的 100 ms recovery-delay 场景为 1.67 m。

模型方法 / 模型架构/方法流程

• 五层框架：SoH estimation、power-margin monitoring、functional-safety decision logic、actuation、lifecycle management。
• 使用 qualitative Fault Tree Analysis 和 preliminary Hazard Analysis and Risk Assessment。
• 使用 bounded DC/DC converter model 与说明性 LiDAR subsystem-allocation model。

输入特征与输出目标

• 输入特征：SoH、安全/功率接口变量、DC/DC converter 边界条件；具体 AI SOH estimator 的训练输入未展开。
• 输出目标：安全决策、功率裕度、停车距离风险估计；不是 RUL/EOL 数值预测。

数据集/电池体系 / 数据来源/数据结构/电池类型/循环协议

• 电池体系：页面缩写中提到 NMC lithium-ion cell chemistry，但本报告未能确认实际实验电池数据。
• 数据来源：理论/分析场景；作者明确称估计为 analytical scenario results rather than device-validated predictions。
• 循环协议：不适用/未说明。

结果指标

• 功率裕度与停车距离估计；未报告 SOH/RUL 预测误差。

Baseline/对比方法

• 未能确认有 ML baseline 或预测模型对比。

泄漏风险/局限性/复现性

• 泄漏风险：不适用于传统训练/测试泄漏判断。
• 局限性：作者明确指出需要平台特定 converter、power-allocation、sensor、timing 和 hardware-in-the-loop validation；当前不是设备验证预测。
• 复现性：理论模型可读性较好，但缺少设备数据与完整 HIL 实验，预测复现性低。

是否值得跟进 / 对哥哥研究/落地的启发和后续动作

• 结论：观望/低优先级跟进。
• 启发：如果哥哥后续做 BMS 在线 SOH/RUL，可以把预测输出转化为安全/功率裕度决策变量，而不只报告误差。
• 后续动作：不进入模型复现主线；可摘录为“SOH 预测如何进入车规安全闭环”的应用背景。

4. Inhomogeneous Particle Lithiation as a Driver of Degradation in Silicon-Containing Lithium-Ion Cells: Insights from Simulation

基本信息

• 标题：Inhomogeneous Particle Lithiation as a Driver of Degradation in Silicon-Containing Lithium-Ion Cells: Insights from Simulation
• DOI/URL：https://doi.org/10.1149/1945-7111/ae9404
• 期刊/会议/预印本平台：Journal of The Electrochemical Society，accepted manuscript
• 发表日期：2026-08-03（Accepted Manuscript online）
• 作者和机构：Nicolas Stapf, Nicolas Schneider, Meichen Zhan, Kai Peter Birke, Alexander Fill；Institute for Photovoltaics, Chair of Electrical Energy Storage Systems, University of Stuttgart, Germany
• 通讯作者：Nicolas Stapf（页面列出邮箱 nicolas.stapf@ipv.uni-stuttgart.de；未看到独立“corresponding author”字段，因此按可联系作者记录）
• 脚本评分：55
• 期刊指标核验：未核验；脚本期刊分层为 electrochemistry journal

纳入理由和命中证据

• 摘要明确讨论 lithium-ion cells 的 rapid capacity fading 与 mechanical degradation。
• 研究目标是退化机理模拟，并提出根据机械应力调节电流的控制算法用于 lifetime extension。
• 该文不直接做 EOL/RUL/SOH 预测，但对硅基高容量负极的寿命退化机制与可控变量有参考价值。

创新点

• 使用耦合电化学-机械多相模型模拟硅氧颗粒应力演化。
• 指出机械失效主要由 inhomogeneous particle lithiation 驱动，而非绝对体积膨胀。
• 基于应力约束提出电流调节控制算法，并用于评估不同电极配置对可达功率输出的影响。

主要内容

• 以 LG Chem INR21700-M50T cell 为参考。
• 开发并用实验数据验证电化学参数集。
• 做 C-rate、particle radius、silicon volume fraction 参数研究。
• 研究结论服务于高容量硅基复合电极设计和运行管理。

模型方法 / 模型架构/方法流程

• Coupled electrochemical-mechanical multi-phase simulation model。
• 模拟 phase-specific mechanical stresses，重点关注 silicon oxide particle stress evolution。
• 控制算法根据 induced mechanical stresses 调节 applied current。

输入特征与输出目标

• 输入：C-rate、颗粒半径、硅体积分数、电化学参数、运行电流等。
• 输出：相/颗粒应力演化、机械失效风险相关量、可达功率输出；不是传统 RUL/SOH 标签。

数据集/电池体系 / 数据来源/数据结构/电池类型/循环协议

• 电池体系：silicon-containing lithium-ion cells；参考 LG Chem INR21700-M50T。
• 数据来源：仿真 + 实验数据验证参数集。
• 循环协议和实验规模：页面摘要未展开，PDF 抓取失败，需全文确认。

结果指标

• 页面摘要确认定性结论：降低硅相局部电流密度可促进更均匀 lithiation、缓解机械应力。
• 具体误差、拟合指标或寿命延长量未能从可访问内容确认。

Baseline/对比方法

• 未能从可访问内容确认独立 baseline。

泄漏风险/局限性/复现性

• 泄漏风险：仿真机理论文，不适用传统训练/测试泄漏判断。
• 局限性：不是数据驱动寿命预测；参数与 LG Chem INR21700-M50T/硅基负极场景绑定，泛化到其他化学体系需重新标定。
• 复现性：摘要可确认模型类别与参数研究变量，但完整方程、参数表和代码未能核验；复现性信息不足。

是否值得跟进 / 对哥哥研究/落地的启发和后续动作

• 结论：观望。
• 启发：可作为 physics-informed 寿命预测的机理先验，尤其是硅基负极中的应力/非均匀嵌锂特征。
• 后续动作：若哥哥研究覆盖 silicon-containing cells，可下载 accepted manuscript/PDF，抽取可用于 PINN/数字孪生的应力约束项；否则低优先级。

EOL/RUL/SOH 定义

• 第 1 篇：SOH/RUL 定义存在于题名层面；具体 SOH 公式、RUL 单位和 EOL 阈值未能从可访问内容确认。
• 第 2 篇：明确为 early lifetime / EOL prediction，输出以 cycles 计；具体 EOL 容量阈值需全文确认。
• 第 3 篇：SOH 被定义为功能安全变量/模式控制变量，不是传统 RUL/EOL 标签。
• 第 4 篇：不直接定义 SOH/RUL/EOL，寿命相关性体现在 capacity fading、mechanical degradation 与 lifetime extension。

验证设计

• 第 1 篇：未能从可访问内容确认数据划分、基线和外部验证。
• 第 2 篇：摘要明确 Severson/TRI/MIT 上 20 次 cell-wise splits，并在 BatteryLife-XJTU 上做 40-split external confirmation；还报告 bootstrap CI 与 Wilcoxon 检验。
• 第 3 篇：FTA/HARA + 分析型功率/停车距离场景；作者明确不是 device-validated predictions。
• 第 4 篇：仿真模型参数集经实验数据验证，另做 C-rate、particle radius、silicon volume fraction 参数研究；具体误差指标需全文确认。

评估与误报审计

• 当前 gold label evaluation：top-5 中 labeled precision@5 = 0.2；未标注项按不相关计入，因此该指标偏保守。
• 已知阈值上方 false positives：包括 energy storage management/control、energy release modelling、heterogeneous reconfigurable battery utilization control 等，提示后续需继续抑制“管理/调度/控制但无寿命预测”的误报。
• 本次第 3、4 篇虽达到阈值，但更接近安全框架/机理控制；建议人工决定是否加入 false-positive 或降权规则。

后续追踪清单

1. 获取 Journal of Energy Storage 10.1016/j.est.2026.124045 全文，补齐模型架构、数据集和指标。
2. 获取 MDPI Batteries 12(8):284 全文，确认 retrieval 相似性度量、监督模型类型、是否开源代码。
3. 对 arXiv 2607.13709（BESS degradation with UQ，score 54）进行人工复核；它可能比部分阈值内边缘项更贴近系统级 SOH 预测。
4. 考虑在规则中降低“SOH 出现在安全框架但无预测验证”的分数，减少理论安全框架误报。
5. 将 retrieval-augmented early-life prediction 加入哥哥的 benchmark/backlog，尤其关注 10/20 cycle early prediction。