2026.09.16 · 电池研究日报

电池寿命预测论文每日监测报告（2026-09-16）

这是执行摘要，不是逐篇论文复述。脚本本轮捕捉 5 条候选；经全文/摘要核验、版本去重和主题边界过滤后，正式纳入 3 篇。每篇正式卡片控制在约 800–1200 个中文字符（必要的数字和链接除外）；未知字段写“未说明/未能确认”，不按常识补全。

今日结论

• 新增： 正式纳入 3 篇；脚本捕捉 5 条。全文级 / 摘要级 / 元数据级 / 线索级：2 / 1 / 0 / 0。
• 最值得跟进： ① Unseen-Cell SOH Prediction via Energy-Aware Warm-Up and Degradation-Consistency Constraints：全文给出 NASA/CALCE 的 LOBO 设计和 8 个留出电芯结果；下一步复核代码并做跨数据集测试。② Comparative analysis of deep learning approaches for electrothermal and state of health estimation...：多温度 SoC/电热状态建模与容量衰减关联直接贴近 BMS；下一步获取正文核验 SoH 指标和切分。③ Zenodo 上的 BMS 综述只作路线图，不作为性能证据。
• 总体判断： 本轮方法趋势集中在“跨电芯 SOH 泛化、部分充电特征、图结构与递归退化轨迹”和“温度自适应深度状态估计”。第一篇的 source-only LOBO 和全文实验最完整；第二篇仍只有摘要，尚不能判断其 SoH 结果是否优于现有 benchmark。第三篇覆盖 RUL/SOH、数字孪生和混合 BMS，但没有新实验，适合做术语和方法地图。
• 质量提醒： 1）第二篇 DOI/Elsevier 元数据可确认，但出版社正文和 PDF 未成功提取，日期存在 9 月与 11 月/30 日记录差异；2）Zenodo 的 22746359 是 22746360 的 concept DOI/父记录，不是第二篇独立论文；3）RSS 候选已由 Crossref 确认为材料论文，但属于硫掺杂负极循环性能优化而非寿命预测，按边界排除；4）gold-label top-k 仍有未标注项，脚本评分不能当实验结果。
• 检索规模： 发现记录 273 / 保留题录 19 / 过滤条目 254；254 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. Unseen-Cell SOH Prediction via Energy-Aware Warm-Up and Degradation-Consistency Constraints

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接研究 unseen-cell SOH prediction，并把逐循环退化增量递归还原为 SOH 轨迹，属于电池健康预测主任务，不是材料合成或调度问题。
• 证据： ① “EWDC couples partial-charge health-indicator extraction, health-indicator graph encoding, cycle-to-cycle degradation-increment prediction, and recursive SOH-trajectory reconstruction.” ② “Within-dataset leave-one-battery-out validation was conducted separately on the NASA and CALCE-CS2 datasets.”（均见全文）

数据集/电池体系

• 体系/数据： NASA B0005/B0006/B0007/B0018 四个 18650 Li-ion 电芯（标称 2.0 Ah）和 CALCE-CS2 CS2-35–CS2-38 四个 LiCoO2 棱柱 Li-ion 电芯（标称 1.1 Ah）；共 8 个留出电芯。输入为 CC-CV 部分充电段的电压、电流、时间特征，17 维 HI。
• 工况/跨域： NASA 24°C；CALCE 为室温；NASA 充电为 1.5 A CC 至 4.2 V 后 CV 至 20 mA，CALCE 为 0.5C CC 至 4.2 V 后 CV 至 0.05 A。论文把两个数据集分开评估，未证明跨数据集迁移。

EOL/RUL/SOH 定义

• 目标/定义： SOH 直接定义为当前放电容量与首个参考循环容量之比 Q_i/Q_0；原始标签不平滑，模型预测相邻循环的 signed ΔSOH，再递归重建 SOH。未定义 EOL 阈值，也没有单独输出 RUL。
• 未来信息风险： 论文声明特征只使用已完成的当前部分充电段，目标电芯标签仅用于离线最终评估；标准化参数只来自训练电芯。训练损失中的 Savitzky–Golay 趋势参考来自训练真值，需复核实现是否严格按 fold 隔离，但按文中协议不应进入目标电芯推理。

模型方法

• 流程： 4.0–4.2 V CC 段与 0.50–0.10 A CV 电流衰减段 → 17 维 HI → 以 HI 为节点的全连接可学习图、两层 GCN（hidden 64）和 mean pooling → MLP 预测 ΔSOH → 递归 SOH。训练加入三阶段 energy-aware warm-up，以及 SOH 状态级和 ΔSOH 增量级软一致性约束。
• 部署： 论文称所需电压、电流、时间信号通常可由 BMS 获得；单循环推理实测约 0.16 ms，但目标硬件并非车规 BMS，边缘部署仍未验证。

验证设计

• 划分/泛化： NASA 与 CALCE-CS2 分开做 LOBO；每折 1 个电芯测试、其余 3 个作训练/验证，10 次独立运行，超参由源数据验证集选择；另有 1/2/3 个源电芯的限制源实验和消融。
• 可信度： 高（全文级、独立留出和多次重复均明确），但外部泛化可信度为信息不足：没有跨数据集、真实 BMS 或不规则充电验证。

指标与结果

• 8 个留出电芯平均 RMSE 1.21%、MAE 0.65%、R² 0.975；相对 GNN baseline，平均 RMSE/MAE 分别下降 32.19%/38.83%。
• 最难的 B0018 为 RMSE 1.91%、MAE 1.45%、R² 0.946；50% 部分充电窗口仍达到 RMSE 1.61%、R² 0.956。论文还报告两级约束后异常反弹率 VER 0.087。

泄漏风险、复现性与局限性

• 泄漏风险： 低至中；LOBO、训练折标准化和目标标签隔离写得清楚，但需检查滑窗边界、早停实现和趋势约束代码，递归误差累积也可能影响长期轨迹。
• 复现性： 中；NASA/CALCE 数据公开，窗口、训练轮数、Adam、PyTorch 2.0.1、硬件和主要超参均给出；未确认作者代码、随机种子和完整配置是否公开。
• 局限性： 仅 8 个电芯、两个规则 CC-CV 数据集；未做跨数据集/跨温度/跨化学体系测试；依赖可识别且完整的指定充电片段。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 这是本轮最完整的 SOH 轨迹论文，source-only unseen-cell 设置对哥哥的研究最有直接参考价值。下一步获取代码或按论文超参复现 NASA/CALCE，增加 cross-dataset、温度变化和不完整充电实验，并记录递归误差随预测跨度的增长。

2. Comparative analysis of deep learning approaches for electrothermal and state of health estimation in lithium-ion batteries under variable thermal conditions

论文基本信息

纳入理由与原文证据

• 主题/边界： 摘要明确把多温度电热状态预测与 impedance growth、capacity fade、长期 SOH evolution 关联，属于 BMS 健康状态预测；但它是否真正预测 RUL/EOL 尚未确认。
• 证据： ① 摘要称研究在 4°C、24°C、43°C 多温度 cycling regimes 比较 LSTM、GRU、Transformer。② 摘要报告 Transformer 在 43°C 的 voltage RMSE 为 0.021 V，并将动态预测与容量衰减关联。（OpenAlex 摘要记录）

数据集/电池体系

• 体系/数据： 只能确认 lithium-ion batteries；输入候选包括 measured voltage、temperature、current、cycle number、time。具体公开数据集名称、电芯数量、容量、化学体系、采样频率和是否为真实 BMS 数据均未说明。
• 工况/跨域： 明确有 4°C、24°C、43°C 三个温度 regime；倍率、SOC 窗口、充放电协议、跨电芯/跨温度划分和外部测试均未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 摘要确认 SoC、温度、电压及容量衰减/SOH 演化相关分析，但没有给出 SOH 公式、EOL 阈值、RUL 单位或标签生成方式；不能把“lifespan”语句推定为 RUL 输出。
• 未来信息风险： 正文不可访问，无法检查温度 regime 是否被随机混入训练测试、容量衰减是否用后验信息构造特征、以及 cycle number/完整曲线是否造成未来信息泄漏。

模型方法

• 流程： 电压/温度/电流/循环数/时间特征工程 → LSTM、GRU、Transformer 三类深度模型比较 → SoC、温度、电压等电热状态预测，并分析阻抗增长 R_e、R_ct 与 capacity fade/SOH 的关系。层数、注意力结构、损失、baseline 和消融未说明。
• 部署： 摘要只声称可为 BMS 健康监测和预测性维护提供模型选择建议；传感器、推理延迟、在线更新和车规计算资源未能确认。

验证设计

• 划分/泛化： 摘要没有说明随机窗口、按电芯、按温度、时间外推、LOCO 或独立外部测试；无法判断“variable thermal conditions”是泛化测试还是同一数据集内比较。
• 可信度： 信息不足。题名、摘要和 Elsevier 元数据足以支持主题纳入，但不足以验证 SOH 预测质量、泛化和部署结论。

指标与结果

• 摘要报告 4°C 下 GRU 的 SoC RMSE 4.46、温度 RMSE 0.59°C；24°C/43°C 环境下 Transformer 的 SoC RMSE 最低可到 0.82，43°C 电压 RMSE 0.021 V。
• 以上是摘要中可确认的电热/SoC 数字；SOH、capacity fade、阻抗预测的数值结果和测试集定义未能确认，脚本评分不是实验指标。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；优先检查按温度/电芯切分、cycle number、阻抗与容量特征的时间可得性，以及是否用完整衰减轨迹选择模型。
• 复现性： 低至信息不足；作者、题录和摘要可确认，但数据集、代码、超参、随机种子和硬件未说明，正文/PDF未成功取得。
• 局限性： 主题同时覆盖 SoC、温度、电压和 SOH，主任务边界不清；缺少电芯/数据规模和切分；日期及全文可得性需要出版社层面复核。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 多温度状态估计对真实 BMS 工况选择有参考价值，但当前不能支持模型优越性判断。下一步通过机构/作者渠道获取全文，重点补齐 SOH 标签、容量衰减结果、数据划分、温度外推和与现有 RUL/SOH benchmark 的对比。

3. Battery Management System: Evolution from Conventional Methods to Advanced Intelligent Techniques

论文基本信息

纳入理由与原文证据

• 主题/边界： 文章是宽口径 BMS 综述，覆盖 SOH 估计、lifetime prediction、RUL、数字孪生和预测性维护，因此作为主题观察项纳入；它不是新模型或新实验，不应与前两篇的性能证据等量齐观。
• 证据： ① 摘要称现代 BMS 可改善 “fault diagnosis, lifetime prediction, and overall battery utilization”。② 正文将 “Online SOH and RUL estimation” 列为未来方向。（Zenodo 记录；全文 PDF）

数据集/电池体系

• 体系/数据： 讨论对象以 Li-ion EV、HEV、储能和便携设备为主，涉及电压、电流、温度、SOC、SOH、SOP 与循环/老化信息；未开展新实验，也未建立可复现的数据集或样本规模。
• 工况/跨域： 综述层面列出温度、C-rate、DOD、充电策略、日历老化等影响因素；没有统一的电芯、温度、倍率或跨域实验设计。

EOL/RUL/SOH 定义

• 目标/定义： 正文给出简化的容量型 SOH=C_actual/C_rated×100%，同时讨论 SOH/RUL/电池寿命预测；没有统一 EOL 阈值、RUL 标签单位或实验预测目标，不能把公式当作该文的实证定义。
• 未来信息风险： 作为叙述综述无训练/测试划分；不存在本文模型的数据泄漏问题，但其引用的不同研究可能采用不同标签和切分，不能直接横向比较。

模型方法

• 流程： 综述从 Coulomb counting、OCV、等效电路、KF/EKF/UKF/粒子滤波，扩展到 ANN/SVM/随机森林/DNN/LSTM、主动均衡、云边协同、数字孪生和 physics+AI hybrid BMS。没有统一输入—模型—输出管线、baseline 或消融结果。
• 部署： 讨论微控制器/DSP/FPGA、CAN/IoT/cloud、传感器与边缘计算等方向，但没有实测延迟、算力、在线更新或车规验证。

验证设计

• 划分/泛化： 无新数据集、无电芯级划分、无独立测试集和无定量外部验证；全文更接近方法分类与工程展望。
• 可信度： 全文内容可读，但作为预测论文的实证可信度低；可作为检索入口，不能据其叙述判断任何模型优越性。

指标与结果

• 没有本文自己的 RMSE、MAE、RUL 误差、预警提前量或不确定性结果；出现的公式和传统/现代 BMS 对照表是概念性说明，不是实验 benchmark。
• 因此，本卡片不把综述中列举的“potentially high accuracy”或“extended battery life”当作已验证结论。

泄漏风险、复现性与局限性

• 泄漏风险： 不适用本文训练实验；若用其引用表格构建 benchmark，必须逐篇核对原始数据切分、EOL 定义和时间可得性。
• 复现性： 低；PDF 可获得、引用列表可读，但未说明系统检索式、纳入排除标准、数据抽取表、代码或定量综合方法。
• 局限性： 范围很宽、没有定量汇总；Zenodo 版本 DOI 与 PDF 期刊信息层级不一致；期刊同行评审状态和正式出版记录未能独立确认。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 它适合作为 BMS、数字孪生和在线 SOH/RUL 的术语地图，不适合作为模型选择或寿命结论证据。下一步只核验其正式出版/同行评审状态，并从引用列表反查真正有数据和外部验证的原始论文。

核验后排除说明

• feed:621a3878854174b5，题名 Ultralong cycle life sulfur-doped graphitic carbon anode for sodium-ion batteries: Optimizing sulfur doping strategy：RSS 页面失败，但 Crossref/Elsevier API 确认为 Journal of Energy Storage 论文，DOI 为 10.1016/j.est.2026.124677，日期记录为 2026-12-15。其核心是硫掺杂石墨碳负极材料和循环性能优化，没有可核验的 RUL/EOL/SOH 预测或寿命建模，按“普通材料合成但无寿命预测”边界排除。
• openalex:7cb75fb968a55bbb，doi:10.5281/zenodo.22746359：Zenodo API 证明 22746359 是 22746360 的 concept DOI/父记录，标题、作者和 PDF 版本相同，不作为第二篇独立论文；正式卡片使用可下载版本 DOI 22746360。