2026.09.11 · 电池研究日报

电池寿命预测论文每日监测报告（2026-09-11）

这是执行摘要，不是逐篇论文复述。本次 3 篇正式卡片均为元数据级核验：出版社页面和 DOI 页面未成功提取，不能把题名或脚本评分当作实验结论。未知字段写“未说明/未能确认”，不按常识补全。

今日结论

• 新增： 3 篇；全文级 / 摘要级 / 元数据级 / 线索级：0 / 0 / 3 / 0。
• 最值得跟进： ① Single-cycle battery remaining useful life prediction with compressed continuous wavelet features and deep neural networks（Applied Energy，评分 74）：直接命中单周期 RUL，下一步获取全文核对单周期输入、RUL 标签和按电芯切分。② Prior-informed multimodal cross-attention guided transfer learning for state of health estimation of cross-type electric vehicle batteries（Applied Energy，评分 66）：直接命中跨类型 SOH 迁移，下一步核对多模态来源、跨域留出和真实泛化结果。③ Uncertainty-aware multi-step capacity trajectory forecasting for lithium-ion energy storage batteries using a convolution-based sparse Transformer（Journal of Energy Storage，评分 64）：覆盖长时域容量轨迹和不确定性，下一步核对预测步长、区间校准及其与 RUL/EOL 的关系。
• 总体判断： 今日新增信号集中在三条互补路线：单周期寿命预测、跨类型健康状态迁移，以及带不确定性的多步容量轨迹预测。三篇均来自 Applied Energy 或 Journal of Energy Storage，主题相关性较强，但目前只能确认题录和题名中的任务/方法方向，尚不能确认数据规模、切分、指标或部署价值。暂不产生高置信度论文结论，适合作为下一轮全文核验清单。
• 质量提醒： ① 3 篇均无 payload PDF；ScienceDirect/DOI 页面 web_extract 均失败，后续仅由 Crossref/OpenAlex 元数据交叉确认。② 第一篇 OpenAlex 日期为 2026-09-09，而 Crossref 卷期为 2027-01；第三篇对应 OpenAlex 2026-09-09、Crossref 2026-12；第二篇 RSS/Crossref 为 2027-01、OpenAlex 为 2026-09-09，在线发表日期均未能确认。③ RSS 线索已通过 PII/题名查询确认对应 Applied Energy 期刊文章和 DOI，但不等于全文核验。④ gold-label 样本量有限，不能据此放宽全文证据要求。
• 检索规模： 发现记录 / 保留题录 / 过滤条目 = 273 / 25 / 248；248 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. Single-cycle battery remaining useful life prediction with compressed continuous wavelet features and deep neural networks

论文基本信息

纳入理由与原文证据

• 主题/边界： 题名直接给出 battery remaining useful life prediction，属于 RUL/寿命预测；“single-cycle”还直接对应早期、低观测量预测方向。
• 证据： ① Crossref 题名为 “Single-cycle battery remaining useful life prediction with compressed continuous wavelet features and deep neural networks”：Crossref。② Crossref 将记录标为 journal-article，并给出 Applied Energy 与 DOI：Crossref。

数据集/电池体系

• 体系/数据： 只能确认研究对象为电池；公开数据、自建实验、真实 BMS、化学体系、样本量、循环数和单周期输入变量均未说明。Crossref 参考文献提到 CALCE、BatteryArchive 等资料，但不能据此推断本文实际使用了这些数据。
• 工况/跨域： 温度、倍率、SOC/DoD 窗口、充放电协议、按电芯/批次/化学体系覆盖均未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 题名确认目标包含 RUL，但 EOL 阈值、RUL 单位、预测起点、标签生成及是否同时估计 SOH 均未说明，不能套用常见 80% 阈值。
• 未来信息风险： 全文不可访问，无法检查单周期特征是否包含后验信息、归一化是否跨集合拟合、标签是否使用完整未来寿命，以及测试集调参风险。

模型方法

• 流程： 题名层面可确认“单周期信号/特征 → 压缩连续小波特征 → 深度神经网络 → RUL”这一方向；小波压缩方式、网络架构、损失函数、baseline 和消融未能确认。
• 部署： 是否支持在线 BMS、传感器约束、推理延迟、内存或功耗均未能确认。

验证设计

• 划分/泛化： 随机窗口、按电芯留出、时间外推、跨协议/跨化学体系测试和独立外部数据均未能确认。
• 可信度： 信息不足。题录和主题可靠，但没有摘要或全文证据支撑验证设计和实验结论。

指标与结果

• 预测步长、RUL MAE/RMSE、相对误差、提前量、测试集范围和相对 baseline 的结果均未能确认。
• 当前不能把脚本评分 74 当成实验指标，也不能判断“单周期”是否在真实早期观测下成立。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；优先检查按电芯切分、完整寿命曲线标签、单周期选择规则、归一化边界和超参数调优是否触及测试集。
• 复现性： 低/信息不足。DOI、作者和期刊可追溯，但数据、代码、超参、随机种子和模型权重未确认。
• 局限性： ① 无全文与摘要；② 日期存在 OpenAlex 与 Crossref 卷期差异；③ 无法判断单周期输入对不同电芯和工况的泛化。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 单周期 RUL 与低成本早期预测直接相关，且发表 venue 较强。下一步获取 PDF，优先抽取数据集、电芯级切分、RUL 定义、单周期观测窗口、误差指标和强 baseline，再决定是否纳入 benchmark。

2. Prior-informed multimodal cross-attention guided transfer learning for state of health estimation of cross-type electric vehicle batteries

论文基本信息

纳入理由与原文证据

• 主题/边界： 题名直接指向 cross-type electric vehicle batteries 的 SOH estimation，属于电池健康状态估计和跨域泛化主题；是否进一步输出 RUL/EOL 未能确认。
• 证据： ① RSS 条目给出完整题名、Applied Energy、Volume 427 和作者串：RSS/Web 线索。② Crossref 将 PII S0306261926014443 对应为 DOI 10.1016/j.apenergy.2026.128788 的 journal-article：Crossref。

数据集/电池体系

• 体系/数据： 只能确认主题是跨类型电动汽车电池；“多模态”由题名确认，但具体电压、电流、温度、充电曲线或其他模态、化学体系、样本量、公开数据和真实车辆来源均未说明。
• 工况/跨域： 题名明确跨类型方向，但源域/目标域、电芯与车型边界、温度、倍率、SOC 窗口及跨域协议未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 目标是 SOH estimation；SOH 公式、容量基准、标签窗口、EOL 阈值、单位和是否包含 RUL/EOL 输出均未说明，不能假设按容量比例定义。
• 未来信息风险： 全文不可访问，需检查多模态特征是否使用完整充放电轨迹、源/目标域归一化是否共享统计量，以及目标域样本是否参与模型选择。

模型方法

• 流程： 题名层面可确认先验引导、多模态、cross-attention 和 transfer learning；先验形式、模态编码器、融合位置、损失函数、baseline/消融和输出校准均未能确认。
• 部署： 传感器配置、在线更新、推理成本和 BMS 部署指标均未说明。

验证设计

• 划分/泛化： 是否按电芯、车型、化学体系或工况留出，是否使用 LOCO/跨域独立测试集，以及目标域样本量均未能确认。
• 可信度： 信息不足。题名与期刊元数据确认了研究方向，但没有可访问摘要/全文支撑跨类型泛化结论。

指标与结果

• SOH MAE/RMSE、R²、跨类型相对提升、样本效率、置信区间和测试集范围均未能确认。
• 不应把“transfer learning”或脚本评分 66 解读为已经验证的跨电池泛化效果。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查同一电芯或同一车辆是否跨源/目标集合、先验和归一化是否使用测试域信息、目标域调参是否触及测试标签。
• 复现性： 低/信息不足。DOI 和题录可追溯，但数据、代码、超参、随机种子和预训练方式未确认。
• 局限性： ① RSS/出版社正文不可访问；② 日期存在在线记录与卷期差异；③ 无法确认“cross-type”是严格外部泛化还是同数据集拆分。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 跨类型 SOH 对哥哥关注的跨电芯、跨工况泛化有直接价值。下一步获取全文，核对模态清单、源/目标域划分、目标域标注量、无泄漏预处理和统一 SOH baseline。

3. Uncertainty-aware multi-step capacity trajectory forecasting for lithium-ion energy storage batteries using a convolution-based sparse Transformer

论文基本信息

纳入理由与原文证据

• 主题/边界： 题名直接命中 lithium-ion energy storage batteries 的 multi-step capacity trajectory forecasting，属于 capacity fade/degradation trajectory 预测；是否将容量轨迹转换为 RUL/EOL 未能确认。
• 证据： ① Crossref 题名明确包含 “Uncertainty-aware multi-step capacity trajectory forecasting” 和 “convolution-based sparse Transformer”：Crossref。② Crossref 将其标为 Journal of Energy Storage journal-article，并给出 article 124455：Crossref。

数据集/电池体系

• 体系/数据： 只能确认锂离子储能电池和容量轨迹；公开/自建数据、系统规模、电芯化学体系、循环数、采样频率、输入变量和样本量均未说明。
• 工况/跨域： 温度、倍率、SOC/DoD 窗口、充放电协议、现场运行数据、跨电芯/批次覆盖均未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 直接可确认的是多步容量轨迹预测，不足以推断论文输出 RUL、EOL 或 SOH；容量归一化、EOL 阈值、RUL 单位、预测起点和标签生成方式均未说明。
• 未来信息风险： 需要检查多步标签是否使用完整未来曲线、滚动预测是否误用真实未来容量、归一化统计量是否跨测试集共享，以及不确定性区间是否在未来步长上正确校准。

模型方法

• 流程： 题名层面可确认卷积型稀疏 Transformer 用于不确定性感知的多步轨迹预测；卷积位置、稀疏规则、输入窗口、概率输出、损失函数、baseline 和消融均未能确认。
• 部署： 在线更新、边缘推理、内存/延迟、传感器约束和储能 BMS 部署均未说明。

验证设计

• 划分/泛化： 随机窗口、按电芯留出、时间外推、协议留出、外部数据和独立测试集均未能确认；预测步长和滚动/直接多步策略也未说明。
• 可信度： 信息不足。题录确认任务和期刊，但没有摘要/全文证据支撑不确定性质量或跨工况泛化。

指标与结果

• 预测步长、容量轨迹 MAE/RMSE、区间覆盖率、校准误差、RUL/EOL 转换误差和测试集范围均未能确认。
• 点预测、不确定性区间和任何寿命指标不能从元数据补全；脚本评分 64 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；优先检查按电芯/时间切分、完整寿命曲线标签、滚动输入、归一化边界和区间校准是否使用测试信息。
• 复现性： 低/信息不足。DOI、作者、机构和期刊可追溯，但数据、代码、超参、随机种子和模型权重未确认。
• 局限性： ① 无全文与摘要；② Crossref 卷期晚于 OpenAlex 在线日期，在线发表关系未确认；③ 不能判断预测是否真实面向现场储能而非实验室曲线。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 多步轨迹与不确定性对寿命外推和风险决策有直接价值。下一步获取全文，优先核对预测跨度、区间覆盖/校准、按电芯时间切分、容量到 RUL/EOL 的转换，以及与简单退化模型和强时序 baseline 的比较。