2026.08.31 · 电池研究日报

电池寿命预测论文每日监测报告（2026-08-31）

这是执行摘要，不是逐篇论文复述。正式论文卡片以可执行判断为中心；每篇卡片控制在约 800–1200 个中文字符（必要数字和链接除外）。未知字段写“未说明/未能确认”，不按常识补全。

今日结论

• 新增： 2 篇；全文级 / 摘要级 / 元数据级 / 线索级：1 / 0 / 1 / 0。PhyMamba 的 payload 原始证据标记为摘要级，但本轮成功提取 PDF 正文，按核验结果提升为全文级；RSER 论文仅取得 Crossref/OpenAlex 题录元数据。
• 最值得跟进： ① PhyMamba：把电化学老化表征直接嵌入 Mamba 的状态更新，并在 MATR、NASA、CALCE 上做电芯隔离验证；下一步复核 ΔSoH 的在线可得性并按原始数据重跑。② RSER 深度强化学习综述：高等级期刊、首作者命中权威作者加分，但全文/摘要不可访问；下一步获取正文，补齐算法分类、基准数据集和在线 RUL 评价证据。
• 总体判断： 今日新增分别覆盖“物理调制的多周期 SOH 预测”和“储能站在线 RUL 的深度强化学习综述”。前者提供了可复现的三数据集、cell-wise split 和消融数字，方法上更适合作为近期 benchmark；后者适合补充领域地图，但当前不能把综述标题或脚本评分当作实验结论。两篇都提示在线部署的关键不只是模型精度，还包括退化状态输入是否在预测时刻真实可得。
• 质量提醒： ①RSER DOI 可由 Crossref/OpenAlex 记录确认，但 DOI、ScienceDirect/Elsevier PII 页面均未能取得正文或摘要；Crossref 的 2027-01 卷期字段与 2026-08-29 online metadata 存在日期冲突。②PhyMamba 的 PDF 可读，但其算法输入列出当前 ΔSoH，需排查是否由未来或完整寿命曲线计算。③PhyMamba 的“IEEE Internet of Things Journal”仅出现在预印本 PDF 页眉，正式发表状态未能确认。④Gold-label 样本量有限，precision@5=0.40 不能外推整体检索精度。
• 检索规模： 发现记录 275 / 保留题录 23 / 过滤条目 252；252 是去重和主题门槛过滤出的检索噪声，不应当当作论文漏报。

论文总览

单篇论文分析

1. PhyMamba: Physics-Modulated Mamba for Robust Battery Health Prognostics

论文基本信息

纳入理由与原文证据

• 主题/边界： 论文直接预测多周期 SoH，并面向 BMS 的 battery health prognostics，属于健康退化轨迹预测；它没有把 RUL 作为主要输出。
• 证据： 原文称提出 “a two-stage physics-modulated Mamba framework”；并报告跨多个公开数据集的 MAE 平均降低 31.8%。PDF 全文

数据集/电池体系

• 体系/数据： MATR 为 169 个 LFP/石墨 18650 电芯、81 种快充协议；NASA 为 NCA 18650、额定 2000 mAh；CALCE 为 13 个 LCO/石墨方形锂离子电池，25°C、两种协议。输入窗口为 100 个历史周期、每周期电压/电流/时间戳 3 个特征。
• 工况/跨域： 三套公开数据覆盖快充、不同放电曲线/环境温度和固定温度协议；训练、验证、测试按电芯互斥。更细的 SOC 窗口、预处理和跨化学体系外推边界未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 输出为未来 H 个周期的 SoH；文中将 SoH 描述为当前可用容量/额定容量，并以低于“如 80%”作为 EOL 背景例子，但没有明确该阈值就是本实验标签，RUL 单位也不是本文主目标。
• 未来信息风险： Algorithm 1 将当前 ΔSoH,c 列为输入，需核实其在在线预测时是否只由当前及历史观测得到；还需排查 Cnorm、归一化和滑窗生成是否使用完整寿命曲线。

模型方法

• 流程： BMS 周期序列 → Mamba 编码器得到六维 BoL 潜变量 → 映射为电极表面积/电导率、SEI 厚度和归一化容量等老化特征 → 第二阶段 Mamba 用物理特征调制 selective-SSM 的步长、写入和读出 → 输出 H 步 SoH。
• 部署： 论文强调线性序列复杂度和精度—模型规模平衡；未能确认具体芯片、功耗、端侧延迟或已部署系统。

验证设计

• 划分/泛化： 三数据集、H∈{10,20,30} 的主比较采用电芯级互斥划分；另有 CALCE H=30 的两阶段消融、MATR H=20/50 的编码器消融及与 ECM-based PACE 对比。
• 可信度： 中高。全文给出数据集、训练设置、表格和消融；但 ΔSoH 的可得性、随机种子及独立真实 BMS 验证仍未说明。

指标与结果

• 主表中 PhyMamba 跨数据集和预测步长的平均 MAE=1.262、MSE=0.086；相对 vanilla Mamba 的平均 MAE/MSE 分别低约 18.0%/16.3%。
• CALCE、H=30 消融中，完整模型 RMSE=0.521、MAE=0.244；去掉物理调制的两阶段 Mamba 为 MAE 0.296，单阶段原始 BMS→SoH 为 MAE 0.556。上述为论文表格数字，不等同于独立复现。

泄漏风险、复现性与局限性

• 泄漏风险： 中；需审计当前 ΔSoH 是否含未来信息、容量归一化统计量是否仅由训练集拟合，以及同一电芯的窗口是否严格未跨 split。cell-wise split 是正面证据。
• 复现性： 中；三套公开数据、输入形状、Adam 学习率 0.01、权重衰减 1e-5、四层/32 维配置、500 epoch 与 patience=30 可确认；代码链接、随机种子和硬件未提供。
• 局限性： ①主要目标是 SoH 而非 RUL/EOL；②六维“物理”参数是从 BMS 学得的潜变量，不是直接测量；③尚无已确认的真实在线、跨新化学体系或板端验证。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 物理约束进入 selective-SSM 内部更新而非只做静态特征，且有公开三数据集和组件消融。下一步获取代码/补充材料，严格按电芯重建 MATR、NASA、CALCE，做 ΔSoH 可得性、未来信息、H=10/20/30 和 PACE baseline 审计。

2. Critical review of improved deep reinforcement learning methods for online remaining useful life prediction of lithium-ion batteries in energy storage stations

论文基本信息

纳入理由与原文证据

• 主题/边界： 标题同时明确 lithium-ion batteries、online remaining useful life prediction 和 energy storage stations，属于核心 RUL 综述；但目前只能确认综述主题，不能确认具体结论。
• 证据： Crossref 题录原文标题即为 “Critical review of improved deep reinforcement learning methods for online remaining useful life prediction of lithium-ion batteries in energy storage stations”。Crossref 题录

数据集/电池体系

• 体系/数据： 标题确认锂离子电池和储能站场景；综述覆盖的公开数据集、实际站点数据、样本规模、传感器模态和电芯类型均未说明。
• 工况/跨域： 温度、倍率、SOC 窗口、储能运行策略、在线更新频率及跨电芯/跨站点比较未能从可访问内容确认。

EOL/RUL/SOH 定义

• 目标/定义： 综述主题是 online RUL prediction；具体 EOL 阈值、RUL 单位、SOH 标签和不同论文之间的定义对齐方式未说明，不能自行套用 80% SOH。
• 未来信息风险： 综述是否专门讨论完整寿命曲线、后验平滑、随机窗口、归一化和在线因果性未能确认；获得全文后应逐项核对。

模型方法

• 流程： 只能确认文章聚焦“改进的深度强化学习方法”及在线 RUL；状态、动作、奖励、环境建模、与监督学习/滤波器的组合和 baseline 未说明。
• 部署： 标题强调储能站在线场景，但实时采样、计算资源、延迟、故障处理和不确定性输出均未能确认。

验证设计

• 划分/泛化： 综述通常应比较多类方法，但本轮没有摘要或正文证据，数据集隔离、按电芯留出、时间外推和外部验证均未说明。
• 可信度： 信息不足。期刊、DOI、标题和首作者可由元数据确认；方法、实验与结论完全需要全文核验。

指标与结果

• 未取得摘要/正文，因此 MAE、RMSE、MAPE、R²、预测区间覆盖率、在线预警提前量以及任何强化学习收益数字均未能确认。
• 不能把脚本评分 74、期刊等级或标题中的“improved”当作论文实验结果。Crossref 显示参考文献数为 182，只能说明题录元数据，不代表综述质量已审查。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；需检查综述所纳入研究是否区分在线可用信息与完整寿命标签，及其对随机切窗、后验平滑和跨电芯测试的批评。
• 复现性： 低至信息不足；当前只有 DOI、题录和作者信息，机构、补充材料、代码与数据清单均未确认。
• 局限性： ①无可访问摘要/正文；②OpenAlex 作者表与 Crossref 作者表不一致；③online metadata 与 2027-01 卷期字段冲突，正式出版状态需回查。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 首作者 Shunli Wang 命中权威作者表并获得加分，但这只影响检索排序，不替代论文证据。下一步优先获取 Elsevier 正文，提取 DRL 算法分类、状态/奖励设计、数据集、在线 split、评价指标和对比表，再决定是否纳入方法基线。