2026.09.07 · 电池研究日报

电池寿命预测论文每日监测报告（2026-09-07）

这是执行摘要，不是逐篇论文复述。三篇正式卡片均基于可访问摘要与结构化元数据；出版社 PDF/页面未成功打开，未知字段明确写“未说明/未能确认”。

今日结论

• 新增： 3 篇；全文级 / 摘要级 / 元数据级 / 线索级：0 / 3 / 0 / 0。
• 最值得跟进： ① ARMAX-based capacity fade estimation for lithium-ion cells across state-of-charge and temperature variations（Journal of Energy Storage，77）：摘要同时给出独立 NMC/LFP 数据、低温/高倍率/驾驶循环和 TI F28379D 嵌入式测试，下一步核验 SoH 定义、LUT 是否独立校准及端侧资源。② Passive EIS-based battery state of health estimation using internal temperature modelling under dynamic operating conditions（Journal of Power Sources，75）：被动 EIS、内部温度估计与监督学习直接对应车载在线 SOH，下一步补齐误差指标和跨电芯切分。③ Second-life lithium-ion batteries for microgrids...（Journal of Energy Storage，65）：适合作为二次利用和退化治理的背景综述，但不是直接的 RUL 模型，下一步只核对其寿命/分级框架覆盖范围。
• 总体判断： 今日新增信号集中在“面向真实工况的 SOH/容量衰减估计”：一篇偏短时脉冲响应 + ECM/查表的可部署路线，另一篇偏被动 EIS + 热状态解耦。两篇摘要都强调了温度、倍率或动态驾驶条件，但没有公开切分细节和完整误差分布，不能据此宣称泛化或工程可靠性。第三篇把 second-life 微电网集成、退化和分级放在系统层面，文献地图价值高于算法 benchmark 价值。
• 质量提醒： ① 三篇 pdf_url、ScienceDirect 页面和 DOI 跳转均未由 web_extract 打开；OpenAlex 摘要 API 成功，Elsevier TDM XML 仅返回 coredata，不能当作全文；② OpenAlex 在线记录为 2026-09-04，而 Crossref/Elsevier 卷期为 2026-12-15，日期需保留 online/issue 区分；③ “SoH 误差低于 5%”及 second-life 的 70%–80%、92%–99% 等数字均为摘要或其所引文献的声明，不能当作已复核的独立实验结论；④ source_alerts=[]，监测源本身没有连续失败告警。
• 检索规模： 发现记录 / 保留题录 / 过滤条目 = 272 / 20 / 252；252 条是检索噪声过滤量，不应视为论文漏报。

论文总览

单篇论文分析

1. ARMAX-based capacity fade estimation for lithium-ion cells across state-of-charge and temperature variations

论文基本信息

纳入理由与原文证据

• 主题/边界： 题名和摘要直接针对 lithium-ion battery 的 capacity fade 与 SOH estimation，属于容量衰减/健康状态估计主任务，不是材料合成或调度控制。
• 证据： ① 摘要称其为 “ARMAX-based framework for State-of-Health (SoH) estimation ... using short-duration impulse-response characterization”：OpenAlex 摘要。② 摘要称使用 “independent NMC and LFP datasets”，并覆盖低温、高倍率和驾驶循环：同一摘要。

数据集/电池体系

• 体系/数据： 可确认锂离子电池、NMC 与 LFP 两类独立数据；数据集名称、样本量、电芯数量、采样频率和是否公开未说明。
• 工况/跨域： 摘要覆盖不同 SoC、SoH、温度、C-rate、DoD、低温、高倍率及代表性驾驶循环；具体温度/倍率范围、按电芯或批次隔离、跨化学体系泛化协议未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 输出为 SoH/容量衰减估计；摘要未说明 SoH 的容量基准、EOL 阈值、单位、标签生成方式，也未确认输出 RUL/EOL。
• 未来信息风险： 需检查多维 LUT 和多项式曲面是否用到了测试轨迹或完整老化历史，以及短时脉冲响应参数校准是否与测试条件发生信息交叉；当前不能据摘要判定泄漏。

模型方法

• 流程： 短时 impulse-response → 三阶等效电路模型参数 → 多维 LUT 与多项式超曲面插值 → SEP 的穷举 LUT 搜索或 GoF 局部优化 → SoH 估计；摘要未给出完整 baseline/消融。
• 部署： 已确认在 Texas Instruments F28379D 嵌入式平台上评估实时 BMS 计算需求；延迟、内存、功耗和具体参数量未能确认。

验证设计

• 划分/泛化： 摘要明确使用独立 NMC/LFP 数据，并覆盖多工况与驾驶循环；训练/测试切分、外部数据隔离和是否按电芯留出未说明。
• 可信度： 中（摘要级）。独立数据与嵌入式评估是正面信号，但缺少样本规模、切分和误差分布，不能据此确认跨电芯泛化。

指标与结果

• 摘要报告在所考虑运行范围内 SoH 估计误差通常低于 5%，但未说明误差指标、测试集、均值/最大值和置信区间。
• 摘要称相较 data-driven approaches 需要显著更少训练数据；这是定性比较，未能确认训练样本量或统计检验。
• 未能确认 RUL/EOL 预测指标；脚本评分 77 不是实验结果。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点核对 LUT 参数是否由全部老化轨迹拟合、低温/高倍率条件是否同时进入校准和测试，以及驾驶循环是否真正独立。
• 复现性： 信息不足。OA/CC BY 与嵌入式平台信息已确认，但数据、代码、超参数、初始化和完整硬件配置未能确认。
• 局限性： ① 当前只有摘要，SoH 定义和误差细节未知；② 没有确认 RUL/EOL 能力；③ NMC/LFP 的具体电芯、老化路径和外部验证范围未知。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 该文把短时诊断、物理等效模型和端侧实现结合，最接近可落地的 SOH benchmark。优先获取 PDF，核对阈值、LUT 校准/测试隔离、误差分位数、F28379D 资源，再在哥哥的 NMC/LFP 数据上复现并比较数据驱动基线。

2. Passive EIS-based battery state of health estimation using internal temperature modelling under dynamic operating conditions

论文基本信息

纳入理由与原文证据

• 主题/边界： 题名和摘要直接研究锂离子电池 SOH estimation，并明确面向 dynamic operating conditions，属于在线健康状态估计主任务。
• 证据： ① 摘要说明框架 “combining passive impedance measurements, internal temperature estimation, and supervised learning”：OpenAlex 摘要。② 摘要说明在 “representative dynamic driving conditions and different ageing levels” 下进行了实验验证：同一摘要。

数据集/电池体系

• 体系/数据： 可确认锂离子电芯、被动 EIS/PEIS、内部温度估计和监督学习；电芯化学体系、数量、数据集名称、公开性及输入采样细节未说明。
• 工况/跨域： 摘要确认代表性动态驾驶工况和不同老化水平；温度、SoC、倍率、老化周期范围、按电芯/车辆切分以及外部验证均未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 目标是 SOH 估计；摘要未说明 SOH 的容量/功率定义、参考状态、阈值、单位、标签生成方式，也未确认 RUL/EOL 输出。
• 未来信息风险： 需检查内部温度模型和神经网络是否使用同一电芯的完整老化轨迹、后验平滑或未来温度信息；动态窗口重叠和 SoC 条件归一化也需要核对。

模型方法

• 流程： 动态运行信号 → 被动阻抗测量；TIS 识别热模型并估计内部温度 → 提取 charge-transfer resistance → 与估计温度和 SoC 一起输入监督神经网络 → SoH。
• 部署： 被动 EIS 的设计目标是不需要专用激励，摘要将方法定位为 realistic onboard operation；传感器、采样、推理延迟、内存、在线更新和硬件实现均未能确认。

验证设计

• 划分/泛化： 摘要确认实验覆盖动态驾驶和不同老化水平，但未说明按电芯留出、时间外推、跨温度/工况测试、外部数据或独立测试集。
• 可信度： 信息不足（摘要级）。输入—物理解耦—监督估计链条清楚，但没有样本量、切分和数字指标，暂不能判断工程鲁棒性。

指标与结果

• 摘要只称耦合 PEIS 与内部温度估计能提高 impedance-based diagnostic indicators 的 robustness，并实现 accurate SOH estimation；MAE、RMSE、最大误差、置信区间和测试集均未能确认。
• 未能确认 RUL/EOL 结果、预警提前量或不确定性覆盖率；脚本评分 75 不是实验指标。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查内部温度模型的训练边界、charge-transfer resistance 的提取是否使用未来信息、相邻动态窗口是否跨训练/测试，以及 SoH 标签是否含后验平滑。
• 复现性： 信息不足。摘要确认关键物理组件，但电芯规格、PEIS 算法、网络结构、代码、数据和超参数均未确认。
• 局限性： ① 没有公开可核验的数值结果；② 被动 EIS 对采样质量、噪声和工况依赖的成本未知；③ 尚未证明跨电芯、跨车辆或跨化学体系泛化。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 它对哥哥的在线 SOH 方向有直接方法价值，尤其是把温度混杂因素显式拆出。下一步获取全文，补齐 PEIS 频段/特征、热模型和 NN 的训练划分、误差分布与端侧成本，再与纯 EIS、温度补偿和轻量模型作同条件 benchmark。

3. Second-life lithium-ion batteries for microgrids: A comprehensive review of integration, degradation, control, and reliability

论文基本信息

纳入理由与原文证据

• 主题/边界： 文章是二次利用锂离子电池微电网的综合综述，覆盖 degradation、SOH、可靠性和寿命后续利用，属于监测范围的系统层相邻任务；它不是直接训练 RUL/EOL 预测器，故列 P3 观望。
• 证据： ① 摘要称其为 “comprehensive meta-review” 并连接 electrochemistry、degradation mechanisms、repurposing 和 system-level management：OpenAlex 摘要。② 摘要称提出用于电池选择的 “SLB grading framework”：同一摘要。

数据集/电池体系

• 体系/数据： 主题为 retired/second-life lithium-ion batteries 与 microgrids；这是 meta-review，不是单一实验数据集，纳入文献、BESS 规模和真实/仿真比例未能确认。
• 工况/跨域： 摘要涉及退化、复用、控制、安全和系统可靠性，但温度、倍率、SoC 窗口、化学体系分层及跨场景比较方法未说明。

EOL/RUL/SOH 定义

• 目标/定义： 摘要提到文献中电池通常在 SOH 降至 70%–80% 时退役，但这是背景/既有文献范围，不应视为本文统一 EOL 标签。文章未给出统一 RUL 单位、预测模型或标签生成规则。
• 未来信息风险： 综述需要区分不同文献的 EOL 阈值、完整寿命曲线和在线可用信息；还需检查是否把不同化学体系和系统层级的退化指标直接横向比较。

模型方法

• 流程： 文献/机制/建模/控制/可靠性综合 → 多尺度框架 → SLB grading framework；未能确认单一预测模型、物理约束、baseline 或消融。
• 部署： 讨论对象是微电网部署、选择、控制和可靠性；具体 BMS 传感器、在线 RUL 更新、边缘计算和告警延迟未说明。

验证设计

• 划分/泛化： 摘要未提供检索式、筛选流程、证据等级、重复数据集处理或定量 meta-analysis 设计；不存在可按电芯划分的原始测试集。
• 可信度： 信息不足（摘要级）。期刊与题目相关性较高，但在全文可得前无法判断综述覆盖是否足够系统、分级框架是否经过外部验证。

指标与结果

• 摘要报告二次利用效率 92%–99%、潜在容量约 **96 GWh（2030）**和最高 3000 GWh（2040）；这些是文献或市场预测汇总，不是本文新建电池实验结果。
• 摘要还给出 70%–80% 退役 SOH 背景区间；未能确认其适用于全部化学体系或本文 grading framework 的硬阈值。
• 未能确认 RUL/SOH 预测误差、置信区间或预警指标。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查同一原始数据集的重复论文是否被当作独立证据、不同 EOL 定义是否被直接汇总，以及预测性研究与事后诊断是否分开。
• 复现性： 信息不足。检索策略、纳入排除表、编码数据、分级权重和代码均未能确认。
• 局限性： ① 微电网集成和控制内容可能稀释直接寿命预测；② 摘要不足以判断证据质量和化学体系覆盖；③ 没有统一 RUL benchmark，不能替代算法论文的外部验证。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 作为 second-life 退化、分级与部署的背景入口值得保留，但不应进入哥哥的直接 RUL 模型优先队列。获取全文后只提取 EOL/SOH 定义、寿命模型分类、数据质量和 grading 规则；若没有定量健康预测证据，则维持相邻观察项。