2026.10.08 · 电池研究日报

电池寿命预测论文每日监测报告（2026-10-08）

本文是执行摘要，不是逐篇论文复述。每篇卡片约 800–1200 个中文字符；总览表仅提供索引。未知信息明确标记，不按常识补全。

今日结论

• 新增： 4 篇；全文级 / 摘要级 / 元数据级 / 线索级：1 / 2 / 1 / 0。3 篇主题相关性较明确，另 1 篇仅有可核验题录，具体方法与结果待全文确认。
• 最值得跟进： ① PLOS ONE 的 KPCA–NRBO Transformer-LSTM 有全文、NASA/CALCE 六个电芯的时序测试，但需检查预处理和调参是否严格限于训练集；下一步按其公开数据划分复核。② Energy and AI 的 PI-EKAN 报告跨化学体系 SOH 迁移表现；下一步取得全文并核对跨域划分和误差单位。③ Batteries 的物理信息可解释 SOH/RUL 研究定义明确、含删失样本处理，但结果来自仿真；下一步优先查看仿真参数及独立实测验证。
• 总体判断： 本日主要增量集中在 SOH 估计与联合 SOH/RUL，方法侧兼有自适应部分充电、物理约束网络、仿真数据驱动和特征工程。当前能核验的结果显示跨化学迁移和按电芯/时间划分是值得关注的验证方向；但只有 PLOS ONE 正文成功提取，其他研究的验证细节仍需全文核对，不能仅据摘要判断可部署性。
• 质量提醒： Energy and AI 的 PDF、DOI/出版社页均未能由提取器打开，依据 OpenAlex 摘要及 Crossref 题录核验；Batteries 仅取得出版社早期版本页面和摘要，页面注明完整 PDF 尚待提供。RSS 新条目的期刊日期为 2026-12-30，晚于本报告日期，Crossref 仅确认 2026-12 期次，需复查其在线发表状态。OpenAIRE 4 次请求中失败 3 次，虽有可用结果但本轮为部分失败。
• 检索规模： 发现记录 272 / 保留题录 19 / 过滤条目 253。253 是检索噪声过滤量，不等同于论文漏报。

论文总览

单篇论文分析

1. Cross-chemistry battery state-of-health estimation from adaptive partial charging using interpretable physics-informed Efficient Kolmogorov-Arnold networks

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接针对电池 SOH 估计，使用自适应部分充电数据，属于目标范围。可信度：摘要级，全文未开放或未成功获取。
• 证据： 摘要报告“Across eight datasets”，并报告跨化学转移测试；另称仅用一个有标签目标电芯进行适配。以上为监测摘要内容的准确概述，非全文复核。DOI

数据集/电池体系

• 体系/数据： 摘要称跨 8 个数据集，并测试 16 组跨化学转移；未说明具体电芯数、数据集名称、化学体系清单及公开状态。
• 工况/跨域： 关注部分 SOC 可见、采样频率降低及模拟 BMS 误差；各情景的样本划分和工况范围未能从可访问内容确认。

EOL/RUL/SOH 定义

• 目标/定义： 目标为 SOH 估计；摘要未给出 SOH 标签公式、容量/阻抗定义或 EOL/RUL 阈值。
• 未来信息风险： 摘要未交代部分充电窗口选择、特征提取及迁移适配是否完全限制在训练数据内；应重点检查跨电芯和目标域标签使用边界。

模型方法

• 流程： 自适应部分充电电压描述符 → Prefix-specific Bayesian optimization 选择化学体系对应的 SOC 窗口 → physics-informed efficient Kolmogorov-Arnold network（PI-EKAN），结合数据、物理及单调性约束；摘要还报告 EKAN-LoRA 目标域微调。对照模型和消融细节未能确认。
• 部署： 摘要称模型约 1,800 个参数；端侧延迟、功耗、BMS 实测部署未说明。

验证设计

• 划分/泛化： 声称在 8 个数据集及 16 组跨化学迁移对上测试；摘要未给出按电芯隔离、外部测试集或随机种子等细节。
• 可信度： 中；跨数据集与跨化学结果有价值，但具体独立性及复现细节需全文核验。

指标与结果

• 摘要报告平均 MAPE 0.466%、RMSE 0.529%、R² 高于 0.979；相对一个 physics-informed baseline，MAPE 降低 35.6%。跨化学 transfer 从 source-only 平均 MAPE 6.35% 降至使用一个目标电芯标签微调后的 1.19%。数据集级别分数、置信区间和测试集样本数未能确认。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；需确认窗口选择、Bayesian 优化和归一化是否只用训练集，并核对迁移对是否存在电芯或测试数据重叠。
• 复现性： 信息不足；摘要未确认代码、原始数据链接、超参数或随机种子。参数量及特征解释是摘要所报，不代表已验证部署。
• 局限性： 无法核对摘要中的性能是否跨所有数据集一致；真实充电数据缺失形态和目标域仅一个标注电芯的适用范围待确认；独立实车/BMS 验证未说明。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 跨化学迁移和稀疏充电输入与实际 SOH 监测高度相关。取得可访问全文后，优先核对数据清单、按电芯切分、误差单位及单目标电芯适配协议，再考虑复现。

2. Physics-Informed Explainable Machine Learning for Hybrid State of Health and Remaining Useful Life Estimation of Lithium-Ion Batteries

论文基本信息

纳入理由与原文证据

• 主题/边界： 同时估计 SOH 与 RUL，并明确 EOL 判据，直接符合寿命预测范围。可信度：摘要级，完整正文未成功获取。
• 证据： 摘要称 EOL/RUL 仅按“80% capacity-retention criterion”定义，并说明留一电芯验证及右删失样本处理。MDPI 页面

数据集/电池体系

• 体系/数据： 锂离子电池多电芯退化仿真，模拟容量衰减、电阻增长、热与运行应力及非线性老化；未说明具体电芯数、公开数据集或实验数据来源。
• 工况/跨域： 摘要称异质模拟工况，并有模拟分布漂移测试；温度、倍率和工况组合细节未能从早期页面确认。

EOL/RUL/SOH 定义

• 目标/定义： Hybrid SOH 综合容量与电阻相关健康信息；EOL/RUL 以容量保持率 80% 为判据。RUL 单位从摘要所报 RMSE 可知为 cycles；删失样本不计入精确 RUL 误差。
• 未来信息风险： 摘要未交代特征构造、训练/测试切分及调参隔离细节；仿真标签生成过程需在全文确认。

模型方法

• 流程： 多电芯退化仿真特征 → 可解释机器学习；主 SOH 模型 Gradient Boosting，RUL 模型 Random Forest。含 whole-cell bootstrap、分布漂移测试及扩展特征消融。更细的物理约束注入方式未能从摘要确认。
• 部署： 未说明 BMS 端侧开销、传感器要求或在线更新策略。

验证设计

• 划分/泛化： 摘要报告 cell-wise 与 leave-one-cell-out 验证、whole-cell bootstrap 和模拟分布漂移测试；未说明是否有真实实验外部测试。
• 可信度： 中偏低；按电芯验证与删失处理是优点，但主要结果基于仿真，作者也指出仍需独立实验验证迁移性。

指标与结果

• Gradient Boosting 的 SOH RMSE 为 0.340 个百分点、R²=0.9979；Random Forest 的 RUL RMSE 为 239.5 cycles、R²=0.9278。摘要指出 RUL 泛化存在明显电芯间差异；未给置信区间或与实测独立数据对照。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；应查阅同一仿真生成轨迹是否跨训练/测试集，以及模拟分布漂移测试是否与模型选择隔离。
• 复现性： 中低；当前仅有摘要和题录，未确认代码、仿真参数、随机种子及数据发布计划。
• 局限性： 仿真数据不能替代真实电芯验证；留一电芯结果显示个体差异；完整方法、样本规模和部署成本未知。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 80% EOL 定义、按电芯验证和删失处理可用于评估研究设计。获取完整 PDF 后检查合成机制、RUL 误差分布、测试隔离，并寻找可复用仿真数据与实测迁移验证。

3. Joint intra- and inter-cycle modeling for co-estimating state of health and remaining useful life of lithium-ion batteries

论文基本信息

纳入理由与原文证据

• 主题/边界： 题名明确为锂离子电池 SOH 与 RUL 联合估计，Crossref 确认其为期刊论文，作为元数据级正式候选纳入。可信度：元数据级，摘要/全文未能获取。
• 证据： Crossref 题名为 “Joint intra- and inter-cycle modeling for co-estimating state of health and remaining useful life of lithium-ion batteries”；出版信息指向 Journal of Energy Storage 2026 年卷 182。Crossref DOI

数据集/电池体系

• 体系/数据： 题名确认锂离子电池；数据集、样本量、输入信号与公开状态均未说明/未能确认。
• 工况/跨域： “intra- and inter-cycle”仅是题名中的建模描述；具体工况、循环范围与跨电芯设计未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 题名表明共估计 SOH 与 RUL；SOH 标签定义、EOL 阈值、RUL 单位和生成方法未能确认。
• 未来信息风险： 未取得摘要/全文，无法判断循环级窗口是否采用因果预测、标签是否使用未来寿命信息或调参是否隔离。

模型方法

• 流程： 题名只支持“循环内与循环间联合建模”这一描述；具体输入、特征、网络结构、物理约束及基线均未说明/未能确认。
• 部署： 未说明。

验证设计

• 划分/泛化： 未说明训练/验证/测试划分、按电芯隔离与外部数据验证情况。
• 可信度： 信息不足；学术题录和主题已核实，但尚无摘要证据支持方法或性能判断，且出版期次晚于当前监测日期。

指标与结果

• 未能确认实验指标、数值、单位、测试集或不确定性结果；不可依据题名推断模型性能。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；待检查循环级特征和目标定义是否造成未来信息泄漏。
• 复现性： 信息不足；摘要、数据、代码、超参数均未能确认。
• 局限性： 当前仅有元数据；作者机构、通讯作者、研究设计和实验结果未知；RSS 给出未来具体日期，而 Crossref 仅到 2026-12 月，时间信息需后续核验。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 题名与联合 SOH/RUL 目标高度相关，但尚无可评价的技术证据。待论文在线页面可访问时重查摘要、全文、作者机构和在线发表日期，再决定是否提高优先级。

4. Data-driven and feature-sifting based state-of-health estimation for li-ion batteries using KPCA and NRBO-optimized transformer-LSTM hybrid model

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接研究锂离子电池 SOH 预测，使用老化循环数据和 SOH 误差评估，符合主题；不应误读为 RUL 预测论文。
• 证据： 正文称实验使用 NASA 与 CALCE 电池老化数据；结果按每个电芯前 70% 循环训练、后 30% 测试。PLOS 全文

数据集/电池体系

• 体系/数据： 锂离子电池公开 NASA 与 CALCE 老化数据。文中列出 NASA B0005、B0007、B0029、B0031，以及 CALCE CS2_35、CS2_36，共六个电芯；数据声明指向 NASA Open Data Portal，CALCE 数据链接未在可访问文本中列明。
• 工况/跨域： NASA 电芯包含不同放电电流、截止电压和温度（表列 24°C 与 43°C）；CALCE 描述为 25±2°C。纵向实验按各电芯循环顺序 70/30 切分，另报告六电芯横向比较；未说明独立外部数据集测试。

EOL/RUL/SOH 定义

• 目标/定义： 输出为每循环 SOH 标量；文中以电池容量衰减及健康特征估计 SOH，但未能确认统一的 SOH 标签公式。数据表列出各电芯 EOL 容量阈值，本文未将 RUL 作为预测输出。
• 未来信息风险： 逐电芯顺序留后测试降低了循环随机混分风险；但可访问正文未明确确认标准化、KPCA 拟合和超参数优化是否仅基于训练段。正文讨论“backward contextual information”，需核实是否在预测时引入未来循环上下文。

模型方法

• 流程： 充电阶段 ICA/DVA 曲线 → 峰高、峰位、峰面积及拐点等健康特征 → Pearson 筛选、RBF-KPCA 降维 → Transformer 编码器与 LSTM 时序建模；NRBO 优化注意力头数、学习率和 L2 正则。对照包括 LSTM、Transformer、Transformer-LSTM，以及 GWO/WOA 等。
• 部署： 讨论面向电池管理的应用潜力，但未见实测延迟、设备资源或在线部署验证。

验证设计

• 划分/泛化： 每个电芯前 70% 循环训练、后 30% 测试；另有六电芯横向比较，并与 BP、GPR、ELM 对照。未确认超参选择与全部预处理严格限定于训练段，亦无独立机构外部验证。
• 可信度： 中；全文、数据集和逐电芯时序切分可核验，但样本仅六个电芯，预处理与超参隔离细节仍需复现检查。

指标与结果

• 表 8 纵向比较中，六个电芯 NRBO-Transformer-LSTM 的 MAE 为 0.0053–0.0084、RMSE 为 0.0079–0.0091（SOH 数值尺度）；NASA B0029 最高 RMSE 0.0091，B0007 最低 0.0079。优化器对比表亦显示所提方法优于 GWO/WOA。未报告可确认的 RUL 结果。

泄漏风险、复现性与局限性

• 泄漏风险： 中/信息不足；时序留后划分是正面设计，但 KPCA/标准化拟合边界、NRBO 验证集选择和“backward contextual information”是否触及测试期尚待核验。
• 复现性： 中；NASA 数据公开且全文含特征与模型流程，但尚未确认代码、完整超参、随机种子；CALCE 数据可复用性及数据下载位置需补齐。
• 局限性： 六个电芯规模较小；跨数据集/跨化学泛化未验证；全文表述有局部术语和指标公式排版问题，复现时应以数据与表格逐项核对。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 全文可读且包含公开数据、具体切分和逐电芯指标，适合作为基线复核。下一步确认训练/测试预处理隔离，复现 B0005–B0031 和 CS2_35/36 的 RMSE，并与不使用未来上下文的因果基线比较。