2026.09.24 · 电池研究日报

电池寿命预测论文每日监测报告（2026-09-24）

这是执行摘要，不是逐篇论文复述。今日 5 条新增记录均先经过来源核验；1 篇成功获取 arXiv 全文，4 篇使用 OpenAlex 结构化摘要并以 Crossref 题录辅助核对。未知字段均保留为“未说明/未能确认”。

今日结论

• 新增： 5 篇；全文级 / 摘要级 / 元数据级 / 线索级：1 / 4 / 0 / 0。4 篇 Elsevier 记录的 DOI/PDF 页面未由 web_extract 成功获取，但 OpenAlex 提供了可审计摘要；arXiv 论文有完整正文。
• 最值得跟进： ① Physics-informed lithium-ion battery end-of-life prediction model for data-efficient deployment：用物理启发 Gaussian process 仅凭运行条件预测 EOL，且摘要给出跨合成/真实数据的误差改善；下一步获取全文核对 EOL 标签、部署划分和不确定性。② Interpretable and uncertainty-quantified early remaining useful life prediction...：把因果特征、LegendreNet、CCNN 和不确定性估计结合到快充早期 RUL；下一步核对跨电芯/跨批次测试。③ Joint Remaining Useful Life Prediction...：全文给出严格按电芯划分的双数据集验证和部分充电输入，适合作为可复现 benchmark；下一步检查代码与外部化学体系泛化。
• 总体判断： 今日新增集中在“物理先验/因果特征 + 深度时序 + 早期或部分观测”的寿命预测路线。前三篇期刊论文摘要显示方法和结果有较强主题相关性，但正式卷期日期晚于本次监测日，需区分 online-first 与未来卷期字段。arXiv 论文的输入只需部分充电片段，验证协议和指标最完整，适合作为当前可复现实验候选。
• 质量提醒： ① 只有 arXiv 论文达到全文级，前四篇不能把摘要数字扩展成未核验的架构或数据划分；② Crossref 对 124739、124726、124587 给出 2026-12 卷期，对 128892 给出 2027-01，而 OpenAlex 给出 9 月上线日期，日期冲突待复核；③ 第 4 篇是实验退化/老化研究而非明确的预测模型，作为相邻观察项保留；④ gold-label 的 top-5 只有 2 条已标注，precision@5=0.4，不能据此断言整体精度。
• 检索规模： 发现记录 275 / 保留题录 23 / 过滤条目 252。252 条是评分和相关性门槛过滤掉的检索噪声，不应解读为 252 篇漏报。

论文总览

单篇论文分析

1. Physics-informed lithium-ion battery end-of-life prediction model for data-efficient deployment

论文基本信息

纳入理由与原文证据

• 主题/边界： 标题直接以 lithium-ion battery EOL prediction 为目标，且框架针对部署阶段的数据效率，属于寿命预测核心范围。
• 证据： 摘要称模型可“from its operating conditions (OCs) alone, without any cycling data”预测新电芯 EOL；相对 RBF kernel，合成与真实数据的 RMSE 分别下降 46.6% 和 60.8%。DOI

数据集/电池体系

• 体系/数据： 一个由 pseudo-two-dimensional 模型生成的 LCO/Graphite 合成数据集，以及 NCM/Graphite + SiO 真实数据集；具体电芯数量、采样规模和原始传感器字段未说明。
• 工况/跨域： 重点变量是充电 C-rate、环境温度和 DOD，并考虑它们的交互；摘要未说明工况网格、训练/测试划分和跨电芯覆盖。

EOL/RUL/SOH 定义

• 目标/定义： 输出 nominal EOL，模型从运行条件预测寿命终点；EOL 容量阈值、RUL 单位、标签生成方式和是否按电芯独立标注未说明，不能自行假定为 80% SOH。
• 未来信息风险： 部署时不使用循环数据是优点，但需检查训练阶段的操作条件和 EOL 标签是否按真实可用信息构造，以及合成数据生成和真实数据测试是否存在分布信息泄漏。

模型方法

• 流程： 充电倍率/温度/DOD → 针对各运行条件设计物理启发 kernel → 乘法组合表达单因素与交互降解 → Gaussian process regression 输出 EOL。对照至少包括 conventional RBF kernel。
• 部署： 摘要明确强调只依赖 operating conditions、无需 cycling data；传感器最低配置、在线计算、更新频率和不确定性输出未能确认。

验证设计

• 划分/泛化： 在合成 LCO/Graphite 与真实 NCM/Graphite+SiO 两类数据上验证，但未能确认按电芯、工况或时间留出，也未确认外部独立测试。
• 可信度： 中等、信息不足。摘要给出跨两类数据的相对改善，然而关键划分和基线细节必须通过全文复核。

指标与结果

• 摘要报告：RMSE 相对 RBF 在合成/真实数据分别降低 46.6%/60.8%；MAPE 分别降低 17.1%/61.6%。绝对误差单位和测试集样本量未能确认。
• 结果属于点预测误差比较；Gaussian process 的后验不确定性、区间覆盖率和校准结果未说明，脚本评分不是实验结果。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查 kernel 参数、归一化和 operating-condition 组合是否只使用训练数据，以及合成数据与真实数据的迁移是否提前暴露测试分布。
• 复现性： 信息不足。摘要提供了模型思想、两类体系和相对指标，但未确认代码、完整数据、超参数和随机种子。
• 局限性： ① 只从摘要确认实验；② EOL 阈值、样本规模和划分未知；③ 运行条件到真实 BMS 测量和跨化学体系部署之间仍有验证缺口。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 这是本批最直接的数据高效 EOL 预测候选，适合与 data-driven RUL 模型作“仅运行条件输入”的对照。下一步获取 PDF，补齐 EOL 定义、跨电芯划分、GP 区间校准和代码/数据可用性。

2. Interpretable and uncertainty-quantified early remaining useful life prediction for lithium-ion batteries under fast charging protocols

论文基本信息

纳入理由与原文证据

• 主题/边界： 标题直接指向快充协议下的 early RUL prediction，并把可解释性和预测不确定性作为方法目标，属于电池寿命预测核心任务。
• 证据： 摘要称在同一快充数据集的两个 distinct batches 上验证；两个批次的 RMSE 降幅为 2.96% 和 7.09%，MAPE 降幅为 1.32% 和 8.16%。DOI

数据集/电池体系

• 体系/数据： 锂离子电池快充数据集，摘要明确有两个批次，但未说明电芯数量、化学体系、传感器、充电倍率范围和是否公开。
• 工况/跨域： 研究场景是 fast-charging protocols，且强调初始循环阶段；两个批次是否代表时间、批次或工况外推，以及温度/SOC 覆盖未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 输出 early remaining useful life；摘要未说明 EOL 阈值、RUL 单位、标签从容量还是循环寿命生成，也未确认是否有 SOH 辅助任务。
• 未来信息风险： 早期预测应重点检查 domain-specific feature 是否只由预测时刻以前的窗口计算，CA-BB-KDE 的带宽调整是否使用测试集或完整退化轨迹；当前无全文证据。

模型方法

• 流程： domain-specific features → causal analysis 选择因果变量 → LegendreNet 建模非线性关系；原始特征 → CCNN 提取全局时空与局部表征；两路经 LNCCNN 融合输出 RUL，再以 curvature-aware BB-KDE（CA-BB-KDE）量化不确定性。
• 部署： 仅确认面向快充早期预警和 BMS 决策；传感器最低输入、推理延迟、在线更新与资源需求未说明。

验证设计

• 划分/泛化： 摘要确认同一快充数据集的两个 distinct batches；未能确认是否按电芯隔离、是否留出完整批次、是否有外部数据或随机窗口。
• 可信度： 中等、信息不足。任务和不确定性方法清楚，结果有相对改善，但泛化强度取决于批次划分和因果特征的训练边界。

指标与结果

• 摘要给出两个批次的相对指标：RMSE 降低 2.96%/7.09%，MAPE 降低 1.32%/8.16%；绝对 RMSE、单位、baseline 名称和置信区间未能确认。
• 论文声称量化预测不确定性，但当前未确认区间覆盖率、宽度、校准误差或与点预测的分离结果；脚本评分不是性能指标。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查因果筛选、归一化、快充批次标签和 KDE 带宽是否使用了测试批次或完整寿命曲线。
• 复现性： 信息不足。摘要给出模型模块和批次数，但未确认数据下载、代码、超参数、随机种子和特征清单。
• 局限性： ① 只有摘要，无法核对因果定义；② 两批数据是否真正跨域未知；③ 绝对误差、预测区间质量和部署成本未报告。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 早期快充 RUL 与不确定性是直接可用的 BMS 研究方向，且因果特征可作为可解释 benchmark。下一步获取 PDF，核对按电芯/批次划分、特征可用时间点、区间校准和与简单模型的公平比较。

3. A physics-informed framework with proximal policy optimization for lithium-ion battery state-of-health estimation

论文基本信息

纳入理由与原文证据

• 主题/边界： 标题直接以 lithium-ion battery SOH estimation 为目标，属于健康状态预测和寿命管理核心任务，并强调物理约束随退化阶段自适应变化。
• 证据： 摘要称约束调度由 proximal policy optimization 控制；五个预设随机种子下，MIT 数据集 SOH RMSE/MAE 为 0.656%/0.479%。DOI

数据集/电池体系

• 体系/数据： 摘要明确报告 MIT、XJTU 数据集和 EV capacity index；没有说明具体化学体系、电芯数、信号字段和公开版本。
• 工况/跨域： 目标覆盖 laboratory protocols、field operation 和 EV capacity index，但温度、倍率、SOC、充电协议以及各数据集如何对应未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 主要输出 SOH，另有 EV capacity index；SOH 的容量/阻抗定义、EOL 阈值、标签生成和是否进行未来轨迹预测未说明，不能把 SOH 自动等同于固定容量比例。
• 未来信息风险： 需核对 PPO 调度输入、latent physics modules 和 temporal attention 是否只读取当前及历史观测，以及跨数据集归一化是否混入测试域；摘要不足以定级。

模型方法

• 流程： 多尺度因果卷积 → BiLSTM 编码器与 temporal attention；损失加入 polarization/resistance/thermal、固相/电解质传输和 SEI growth 等物理模块；PPO 在决策点调整约束权重。
• 部署： 摘要声称可覆盖实验室和现场运行，但没有确认传感器、在线更新、推理延迟、硬件或 BMS 集成细节。

验证设计

• 划分/泛化： 报告五个预设随机种子，覆盖 MIT、XJTU 和 EV capacity index；未能确认电芯级/跨域划分、独立测试、外部验证和基线公平性。
• 可信度： 中等、信息不足。摘要给出多个数据源和种子平均误差，但方差和完整划分在当前不可访问的正文中。

指标与结果

• 摘要报告：MIT 的 RMSE/MAE/MAPE 为 0.656%/0.479%/0.510%；XJTU 为 1.212%/0.834%/0.901%；EV capacity index 为 1.277%/0.992%/1.147%。
• 这些是五个预设随机种子的 seed-averaged 指标；摘要称标准差在正文 4.3 节，但未提供跨电芯分布或置信区间，不能与其他论文直接横比。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查 PPO 调度是否接触未来 SOH、物理残差的标签依赖、跨域归一化以及滑窗中同一电芯的相邻样本混分。
• 复现性： 信息不足。摘要列出模型组件、数据源和五个种子，但未确认代码、超参数、预处理和数据划分文件。
• 局限性： ① 摘要无法确认 SOH 定义；② field/EV 指标与实验数据的可比性未知；③ 物理模块的参数、权重和计算成本未核验。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 自适应物理权重与多数据集 SOH 估计对哥哥关注的跨协议泛化很相关。下一步获取全文，重点补齐数据划分、PPO 状态/动作/奖励、物理残差定义、标准差和跨电芯结果。

4. Impact of concurrent vibration and charge cycling on the performance and aging of 21700 NMC811 lithium-ion cells

论文基本信息

纳入理由与原文证据

• 主题/边界： 文章研究充放电、振动和日历老化的共同作用，并直接报告 SOH 变化，属于电池退化与寿命管理的相邻观察项；它不是明确的 EOL/RUL 预测模型。
• 证据： 摘要称同时振动与充电循环的 SOH 降低幅度比仅充电循环最多小 0.33%，并提示振动可能与略高容量保持率相关，但要求进一步研究。DOI

数据集/电池体系

• 体系/数据： 商用 21700 NMC811 锂离子电芯；进行 charge cycling、vibration 和 calendar ageing 实验。电芯数量、批次、初始容量和公开原始数据规模未说明。
• 工况/跨域： 充电 0.7C、放电 1.0C，振动采用 SAE J2380 并声称代表三次车辆寿命；温度、SOC 窗口和日历老化时长未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 研究 performance/aging 和 SOH 变化，不提供明确 RUL/EOL 输出；SOH 的容量口径和 EOL 阈值未说明，不能从摘要补成 80% 阈值。
• 未来信息风险： 这是受控实验而非滑窗预测，传统标签泄漏不适用；仍需检查不同应力组是否有相同测试时长、基线和失效判据。

模型方法

• 流程： 实验应力组合 → 容量/性能测量 → Differential Voltage Analysis、Electrochemical Impedance Spectroscopy、Equivalent Circuit Modelling 和电压曲线拟合 → 解释老化与 SOH 变化。
• 部署： DVA/EIS/ECM 是诊断和分析工具；未说明是否形成在线预测器、所需传感器、计算延迟或 BMS 部署方案。

验证设计

• 划分/泛化： 为商用电芯的多应力对照实验，摘要未说明随机化、重复数、统计检验细节、跨批次或外部验证。
• 可信度： 中等偏低、信息不足。问题具有真实 EV 应用意义，但当前只有摘要，且不是寿命预测模型，不能直接作为 RUL benchmark。

指标与结果

• 摘要报告：振动代表三次车辆寿命时对单独电芯性能无不利影响；充电循环造成 SOH 下降；同时振动与充电循环的 SOH 降低最多比仅充电小 0.33%。
• 结果是实验组间性能/SOH 比较，没有确认 RUL 误差、不确定性、置信区间或可预测性指标；0.33% 的统计显著性和样本级分布待全文核对。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查应力组比较是否有等效循环数、温度和测量时间差异，及 DVA/EIS 解释是否使用了完整后验老化数据。
• 复现性： 信息不足。摘要给出 NMC811、21700、倍率和 SAE J2380，但未确认电芯型号、振动谱、原始数据、脚本和完整协议。
• 局限性： ① 不是预测模型；② 样本规模、统计检验和失效定义未知；③ 单一 NMC811 与受控工况不足以外推其他化学体系或道路场景。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 该文可作为真实机械应力对退化影响的边界证据，为寿命模型增加振动协变量提供依据，但不应与 RUL 算法直接排名。下一步获取全文，确认样本量、应力谱、统计显著性和可下载数据，再决定是否纳入退化机制 benchmark。

5. Joint Remaining Useful Life Prediction and Capacity Estimation of Lithium-Ion Batteries Using Partial-Charging Data

论文基本信息

纳入理由与原文证据

• 主题/边界： 论文同时预测 cycle-based RUL 和 capacity，输入是部分充电观测，直接命中寿命预测与健康估计。
• 证据： 正文定义 RULc = cEOL − c，并明确两个专家都不需要历史完整循环容量作为输入；PDF 全文

数据集/电池体系

• 体系/数据： Dataset I 为 124 个商用 A123 APR18650M1A LFP/graphite 电芯，1.1 Ah、30°C、不同快充协议、约 150–2300 cycles；Dataset II 为 77 个商用 LFP/graphite 电芯，30°C、77 种多级放电协议、超过 140,000 cycles、约 1100–2700 cycles。输入包含部分充电的电流、电压、温度和时间/累计电荷特征。
• 工况/跨域： Dataset II 的充电为 5C 至 80% SOC、再 1C 至 3.6 V 和恒压；两数据集均以额定容量 80% 作为 EOL。未做零样本跨化学体系验证。

EOL/RUL/SOH 定义

• 目标/定义： RUL 是达到 EOL 前的剩余 cycle 数，capacity 是当前容量估计；两数据集的 EOL criterion 明确为额定容量 80%。RUL Expert 使用 30-cycle 历史中每隔 3 个周期取 10 分钟片段，Capacity Expert 使用最近 10 个连续周期的 40 分钟片段。
• 未来信息风险： 论文称 rolling windows 只含预测时刻可用测量，归一化参数只在训练集拟合；仍应复核窗口生成、早期样本过滤和五模型 ensemble 是否严格遵守时间边界。

模型方法

• 流程： 长期支路用 GRU-autoencoder 预训练，再由 2D-CNN+temporal GRU 编码；短期支路对 Q/V/T/time 计算均值、标准差、最小/最大、median、variance、skewness，经 2D-CNN+Transformer 编码；FiLM 用短期表示调制长期表示，联合输出 RUL 与 capacity。训练分为预训练、专家独立预训练和融合训练三阶段。
• 部署： 只需部分充电观测，避免历史完整容量输入；正文报告单模型 29.54 ms/batch、1.103M 参数和 1300.9 MB 内存，但五模型预测集成需要五次模型评估。

验证设计

• 划分/泛化： 按电芯身份划分。Dataset I 为 41/43/40 个电芯训练/验证/测试，测试电芯来自较晚批次；Dataset II 为 55 个 development、22 个独立测试电芯，development 再按约 90:10 划分训练/验证。预处理参数只用训练集拟合，测试集只在最终评估使用。
• 可信度： 高。全文给出电芯级划分、数据协议、输入构造、baseline、消融和实现版本；限制是两个数据集均为受控 LFP/graphite 条件。

指标与结果

• Dataset I：联合模型 RUL RMSE 143.69 cycles、R² 0.74、MAPE 10.91%；capacity RMSE 12.36 mAh、R² 0.90、MAPE 0.99%。Dataset II：RUL RMSE 161.10 cycles、R² 0.88、MAPE 7.15%；capacity RMSE 7.28 mAh、R² 0.99、MAPE 0.50%。
• Dataset I 中将 capacity loss 权重降至 0.5 时 RUL RMSE 为 141.64 cycles，但 capacity RMSE 升至 15.50 mAh，说明联合任务存在明确权衡；论文未给出预测区间校准结果。

泄漏风险、复现性与局限性

• 泄漏风险： 低到中。按电芯隔离、训练集归一化和可用时间窗口均有明确说明；仍需复核所有 baseline 是否共享同等信息边界，以及历史窗口是否含隐含未来容量。
• 复现性： 中等偏高。论文给出架构、超参数搜索范围、PyTorch/NumPy 等版本、硬件和数据来源；代码只写明可向 AIWARE Limited Company 咨询，未确认公开仓库。
• 局限性： ① 仅 LFP/graphite、受控 30°C 条件；② 40 分钟部分充电片段未必适用于中断充电；③ 未完成跨化学体系、现场噪声和不确定性校准验证。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 这是本批证据最完整、最容易复核的部分充电 RUL benchmark，电芯级划分也适合检验泄漏。下一步下载数据并复现 Dataset I/II，核对五模型 ensemble、代码可得性、早期预测曲线及跨工况迁移。