2026.10.15 · 电池研究日报

1 份报告 · 4 篇已关联论文。首次分析与当日补充分析分别计数。

本日论文

论文期刊 / 分析日期证据等级研究工具
SOC-agnostic rapid state-of-health estimation of lithium-ion batteries任务未确认Applied Energy · 2026.10.15Applied Energy2026.10.15摘要
Empirical model, capacity recovery-identification correction and machine learning co-driven Li-ion battery remaining useful life predictionRUL predictionJournal of Energy Storage · 2026.10.15Journal of Energy Storage2026.10.15摘要
Piecewise Arrhenius–Long Short-Term Memory Residual Correction Modeling for Whole-Life State of Health Estimation and Remaining Useful Life Prediction of Lithium-Ion BatteriesRUL prediction · SOH estimationEng—Advances in Engineering · 2026.10.15Eng—Advances in Engineering2026.10.15摘要
AI-driven lithium-ion battery health prediction: a review of SOC, SOH and RUL estimation techniquesRUL prediction · SOH estimationFrontiers in Artificial Intelligence · 2026.10.15Frontiers in Artificial Intelligence2026.10.15全文

电池寿命预测论文每日监测报告(2026-10-15)

今日结论

  • 新增: 4 篇正式纳入;全文级 / 摘要级 / 元数据级 / 线索级:1 / 3 / 0 / 0。正式卡片中3篇为本轮新入队题录,1篇为旧积压候选;另核验并排除1篇旧积压BMS候选。
  • 最值得跟进: ① Arrhenius-LSTM把热损伤基线与残差学习结合,但仅摘要可核、验证仅4个CALCE CX2电芯;先取全文复查划分和预测起点。② 短DC脉冲SOH筛查覆盖LFP/NMC并报告嵌入式验证,和二次利用快速检测直接相关;全文目前受禁运。③ 容量恢复校正的RUL论文值得作为单电芯历史序列基线复现,但须先确认公开数据集名称和切分方式。
  • 总体判断: 本批涉及快速SOH诊断、容量恢复处理的RUL估计、物理-数据混合SOH/RUL,以及一篇方法综述。能确认的实验细节主要来自摘要,跨电芯/跨工况的独立验证、标签阈值和数据划分多未公开在可访问摘要中;综述提出的跨文献比较不能代替同一协议下的基准测试。
  • 质量提醒: OpenAlex部分失败(20个逻辑请求中1个失败,19个查询有结果;传输层24次请求中记录5次失败,均未造成查询跳过),故整体 source_status 为 degraded。Applied Energy题录的RSS显示卷期为2026年12月,出版社页面另标 online published 2026-07-25;按在线发表与卷期分开记录。Eng论文MDPI页面为10月12日,OpenAlex为10月13日,日期差异保留。近期Top-K没有已标注论文,precision@K未知。
  • 检索规模: 发现记录 545 / 去重后记录 356 / 重复记录 189 / 保留题录 248 / 过滤条目 108。即545次原始发现中有189次重复;356条去重题录中248条保留、108条去噪。API为相关性排序样本,不代表穷尽检索。

论文总览

优先级 标题 期刊/来源 日期 任务 方法 数据/电池 证据等级 评分 建议
P1 SOC-agnostic rapid state-of-health estimation of lithium-ion batteries Applied Energy 2026-07-25在线;卷期2026-12 SOH估计/快速筛查 DC脉冲特征、ECM、ElasticNet集成 LFP、NMC;样本量未说明 摘要 62 跟进
P1 Empirical model, capacity recovery-identification correction and machine learning co-driven Li-ion battery remaining useful life prediction Journal of Energy Storage DOI落地信息2024-10-23;Crossref题录2024-12-01 RUL/容量退化趋势 双指数经验基线、容量恢复校正、机器学习 锂离子;公开数据集名称未说明 摘要 78 跟进
P1 Piecewise Arrhenius–Long Short-Term Memory Residual Correction Modeling for Whole-Life State of Health Estimation and Remaining Useful Life Prediction of Lithium-Ion Batteries Eng—Advances in Engineering 2026-10-12(MDPI);OpenAlex记2026-10-13 SOH/RUL 分段Arrhenius+LSTM残差 CALCE CX2,4个验证电芯 摘要 76 跟进
P2 AI-driven lithium-ion battery health prediction: a review of SOC, SOH and RUL estimation techniques Frontiers in Artificial Intelligence 2026-10-14 SOH/RUL方法综述 深度学习与混合方法比较 综述涉及NASA、CALCE等文献数据 全文 74 观望

单篇论文分析

1. SOC-agnostic rapid state-of-health estimation of lithium-ion batteries

论文基本信息
字段 内容
DOI/URL/PDF DOI;ScienceDirect文章页;TU Delft条目;未取得 PDF 链接,机构库全文禁运至2027-01-25
发现来源 RSS/Web;来源历史:RSS/Web;Applied Energy RSS与ScienceDirect文章页
期刊/会议/平台 Applied Energy,卷425,文章128451;TU Delft Research Portal标为同行评审期刊论文
发表日期 ScienceDirect显示在线发表2026-07-25、卷期日期2026年12月;TU Delft仅确认2026年发表,具体在线日以出版社显示为据
作者/机构 Sina Navidi、Benjamin Nowacki、Kristupas Bajarunas、Manuel Arias Chao、Chao Hu;逐作者单位未能从所取条目确认
通讯作者 Chao Hu;TU Delft Research Portal明确标示通讯作者
脚本评分/证据等级 62;主题为SOH估计,命中核心能源期刊;摘要级
核验路径 无payload PDF;先读ScienceDirect文章页(题名、摘要、亮点),再核TU Delft研究条目(DOI、作者、通讯作者、同行评审状态及全文禁运信息)。
纳入理由与原文证据
  • 主题/边界: 论文直接由短脉冲响应估计SOH,目标是退役EV电池二次利用前的快速筛查,属于电池健康估计;不把它扩展解释为RUL/EOL预测。
  • 证据: 出版社摘要说明使用约100秒直流脉冲并比较SOC匹配/不匹配时的SOH估计;出版社亮点报告SOC不匹配时通常约3%–10% MAPE。出版社页
数据集/电池体系
  • 体系/数据: 摘要明确包括LFP与NMC电芯;用于训练/测试的数据来源、样本数、型号、容量和是否公开均未能确认。
  • 工况/跨域: 评估匹配及不匹配SOC条件,并分析不同化学体系的脉冲特征。跨SOC测试有工程意义,但摘要未说明是否按独立电芯、批次或工况留出。
EOL/RUL/SOH 定义
  • 目标/定义: 由短DC脉冲估计SOH;摘要未说明SOH标签/容量基准的具体定义,也没有EOL阈值或RUL标签。
  • 未来信息风险: 需确认脉冲测量与SOH标签的时间对应、同一电芯是否跨训练测试集,以及特征归一化是否只拟合训练数据;摘要不足以判断泄漏风险。
模型方法
  • 流程: 从脉冲电压响应抽取统计特征与等效电路模型(ECM)物理特征,训练面向LFP/NMC的紧凑ElasticNet集成;研究比较ECM特征在SOC外推中的增益。出版社说明LFP模型做过微控制器硬件部署和实验验证,NMC是否同样部署未说明。
  • 部署: 短时脉冲约100秒;硬件验证限定为LFP模型,芯片、存储、延迟及在线更新细节未能从摘要确认。
验证设计
  • 划分/泛化: 摘要称覆盖两种化学体系及SOC匹配/错配条件,并进行LFP微控制器验证;没有披露样本量、按电芯切分或外部数据集验证。
  • 可信度: 中偏低;任务和部署方向清晰,但摘要数据不足以独立评估SOC错配下的泛化和硬件复现。
指标与结果
  • 出版社亮点给出SOC失配下通常3%–10% MAPE;摘要未注明各化学体系对应数值、测试电芯数量、误差区间或基线。该数字是出版社亮点中的概括范围,不据此推断跨域普遍性能。
泄漏风险、复现性与局限性
  • 泄漏风险: 信息不足;重点检查同电芯数据跨集合、SOH标签与脉冲采样的时间先后、SOC条件是否在建模阶段被泄漏。
  • 复现性: 信息不足;全文暂受禁运,未能核代码、数据、特征实现、超参数及硬件配置。
  • 局限性: ①样本规模和划分未说明;②只有LFP模型明确做硬件验证;③不能由SOH筛查结果推导剩余寿命预测能力。
是否值得跟进
  • 结论: 跟进。
  • 理由与下一步: 二次利用分选中,短时SOH诊断具有现实价值。全文禁运期结束后获取协议与特征细节,优先复核每种化学体系的独立电芯测试和SOC外推结果。

2. Empirical model, capacity recovery-identification correction and machine learning co-driven Li-ion battery remaining useful life prediction

论文基本信息
字段 内容
DOI/URL/PDF DOI/文章入口;ScienceDirect文章页;未取得 PDF 链接
发现来源 Crossref/Venue;来源历史:Crossref/Venue;Crossref期刊检索及Journal of Energy Storage
期刊/会议/平台 Journal of Energy Storage
发表日期 DOI落地条目显示2024-10-23;payload的Crossref日期为2024-12-01且注明精度待核。前者按在线日期记录,卷期日期仍待出版社完整书目页复核
作者/机构 Zhigang Lv、Zhiwen Chen、Peng Wang、Chu Wang、Ruohai Di、Xiaoyan Li、Hui Gao;DOI信息列示Xi’an Technological University
通讯作者 Zhiwen Chen、Chu Wang;DOI信息标示两人为通讯作者
脚本评分/证据等级 78;标题与摘要直接指向锂电池RUL;摘要级
核验路径 无payload PDF;ScienceDirect文章页确认题名及期刊入口;DOI落地信息成功取得摘要、作者、通讯作者、机构和在线日期。
纳入理由与原文证据
  • 主题/边界: 研究直接预测锂离子电池RUL及容量退化趋势,并讨论不同失效阈值,符合寿命预测范围。
  • 证据: 摘要称以目标电池历史数据构造双指数引导序列,识别并校正容量恢复,再由机器学习给出预测;摘要报告退化趋势预测MAPE为3.79%,不同失效阈值下RUL平均RA约90%。DOI摘要
数据集/电池体系
  • 体系/数据: 锂离子电池;摘要称在公开数据集上实验,但未列数据集名称、化学体系、电芯数或公开下载入口。
  • 工况/跨域: 方法强调只用目标电池历史数据;温度、倍率、SOC窗口、不同电芯/批次覆盖及跨域设定均未能从摘要确认。
EOL/RUL/SOH 定义
  • 目标/定义: 输出为容量退化趋势与RUL,且比较不同失效阈值;摘要未给出各阈值数值、RUL单位、阈值标签生成规则或预测起点。
  • 未来信息风险: 需检查双指数拟合、容量恢复识别和机器学习特征是否只用预测时点前的数据,以及同一电芯切分是否严格按时间;摘要未提供这些细节。
模型方法
  • 流程: 目标电池历史序列 → 双指数经验退化模型生成引导序列 → 识别并校正可恢复容量 → 机器学习协同预测。具体学习器、特征、基线和消融未能从可访问摘要确认。
  • 部署: 只确认依赖目标电池历史数据;在线计算、传感器需求和BMS部署未说明。
验证设计
  • 划分/泛化: 在作者所称公开数据集上实验,但摘要未列训练/测试比例、按电芯划分、数据集名称或外部测试。无法确认报告结果是否来自独立留出测试。
  • 可信度: 信息不足;研究问题与指标直接,但数据身份、失效阈值和验证协议缺失,暂不应据摘要数值判断领先性。
指标与结果
  • 摘要报告退化趋势预测MAPE 3.79%;多个失效阈值下RUL平均RA约90%。样本数、测试集、置信区间及各阈值分别结果未说明,以上仅复述摘要,不作为可比基准。
泄漏风险、复现性与局限性
  • 泄漏风险: 信息不足;关键核查点是经验曲线是否利用完整寿命拟合、恢复容量校正是否使用未来容量,以及超参数是否在测试集上选择。
  • 复现性: 低至信息不足;摘要未指明数据集、学习器、代码、参数或随机种子。
  • 局限性: ①数据集和测试切分不明;②失效阈值及RUL标签细节缺失;③当前只有摘要证据,不能审计容量恢复处理的具体实现。
是否值得跟进
  • 结论: 跟进。
  • 理由与下一步: 容量恢复校正可能缓解非单调退化对RUL估计的影响。下一步获取全文,确认数据集、阈值、时间切分与模型结构,再以相同电芯和预测截点复现。

3. Piecewise Arrhenius–Long Short-Term Memory Residual Correction Modeling for Whole-Life State of Health Estimation and Remaining Useful Life Prediction of Lithium-Ion Batteries

论文基本信息
字段 内容
DOI/URL/PDF DOI;MDPI文章页;PDF尝试失败
发现来源 OpenAlex;来源历史:OpenAlex;MDPI出版社页
期刊/会议/平台 Eng—Advances in Engineering,卷7,文章554
发表日期 MDPI页标2026-10-12;OpenAlex题录为2026-10-13。采用出版社页面日期,并保留一天差异
作者/机构 Kuo Yang、Shunli Wang、Liya Zhang、Liangwei Cheng、Lei Zhou、Yuchen Huo、Carlos Fernandez;MDPI页列Sichuan University、Guilin University of Electronic Science and Technology、Inner Mongolia University of Technology、Urban Vocational College of Sichuan等单位,第5单位未能从本次页面摘录核实
通讯作者 Shunli Wang;MDPI作者名旁标有通讯作者星号
脚本评分/证据等级 76;摘要直接涉及SOH和RUL;摘要级
核验路径 无payload PDF;MDPI正式文章页可读题录、摘要、作者/单位及日期;尝试MDPI PDF直链失败,故实验细节仅按摘要记录。
纳入理由与原文证据
  • 主题/边界: 同时估计全寿命SOH并预测RUL,研究对象为锂离子电池,属于核心预测任务。
  • 证据: 摘要报告分段Arrhenius基线与LSTM残差联合建模,并在4个CALCE CX2验证电芯上给出SOH及RUL误差。MDPI摘要
数据集/电池体系
  • 体系/数据: 锂离子电池;已确认数据集为CALCE CX2,摘要只说明4个验证电芯,未列电芯型号、化学体系、训练电芯数或数据获取条件。
  • 工况/跨域: 论文称变温与复杂运行条件,并使用容量、温度、电压、电流;跨温度范围、倍率、批次与外部数据集覆盖未从摘要确认。
EOL/RUL/SOH 定义
  • 目标/定义: 目标为SOH和RUL;摘要未说明SOH公式、EOL阈值、RUL单位标签生成细节。RUL误差以cycles报告。
  • 未来信息风险: LSTM输入包含历史容量及先前物理预测,需核实每个预测截点严格截断、Arrhenius参数仅用训练段拟合,及knee point定位未使用测试段未来信息;摘要无法验证。
模型方法
  • 流程: 分段Arrhenius描述膝点附近热损伤与容量退化,等效热损伤因子累计温度影响;LSTM支路从历史容量、温度、电压、电流和物理模型预测中学习残差。训练分物理参数预拟合、残差训练、物理约束联合微调三阶段。
  • 部署: 摘要未说明在线推理、算力、传感器成本或BMS硬件部署。
验证设计
  • 划分/泛化: 摘要报告CALCE CX2的4个验证电芯并称跨电芯估计;训练/测试电芯隔离方式、重复试验及独立外部验证均未披露。
  • 可信度: 中偏低;摘要给出数据集、验证电芯数和指标,但样本很少,完整划分及测试协议未能核查。
指标与结果
  • 4个验证电芯平均SOH RMSE=0.020、MAE=0.016;RUL RMSE=41.52 cycles、MAE=31.58 cycles。相对摘要所称Ade-lwT基线,SOH误差下降22.33%/35.05%,RUL误差下降58.06%/62.29%;未见各电芯分布或置信区间。
泄漏风险、复现性与局限性
  • 泄漏风险: 信息不足;重点查knee point估计和物理模型参数拟合是否只用训练/预测前数据、4个验证电芯是否独立于调参集。
  • 复现性: 信息不足;摘要未提供代码、超参数、随机种子或完整划分;PDF链接本轮无法获取。
  • 局限性: ①仅4个验证电芯;②体系与工况覆盖不足以证明跨化学体系泛化;③指标和基线来自摘要,尚不能审查统计波动及数据泄漏。
是否值得跟进
  • 结论: 跟进。
  • 理由与下一步: 物理基线加残差学习思路清楚,值得作为可解释混合模型候选。获取全文后核对预测截点、knee-point处理与逐电芯误差,并用相同切分与简单Arrhenius/LSTM基线比较。

4. AI-driven lithium-ion battery health prediction: a review of SOC, SOH and RUL estimation techniques

论文基本信息
字段 内容
DOI/URL/PDF DOI;Frontiers全文;未取得 PDF 链接,已成功读取完整HTML
发现来源 Crossref;来源历史:Crossref;Frontiers正式全文页
期刊/会议/平台 Frontiers in Artificial Intelligence,Review article,Volume 9 (2026)
发表日期 2026-10-14;Frontiers全文页列示发表日,Crossref题录一致
作者/机构 G. Tamizharasi、G. K. Rajini;School of Electrical Engineering, Vellore Institute of Technology, Vellore, India
通讯作者 G. Tamizharasi与G. K. Rajini;全文末尾均列为通讯作者
脚本评分/证据等级 74;题名与全文范围涵盖SOH/RUL;全文级
核验路径 无payload PDF;直接读取Frontiers正式全文HTML,核对文章类型、日期、作者、机构、摘要、章节、表格、讨论与结论。
纳入理由与原文证据
  • 主题/边界: 综述电池SOC、SOH与RUL估计,重点为数据驱动/深度学习及混合模型;不是原创寿命实验,但可用于方法选型和研究脉络梳理。
  • 证据: 全文设有SOH与RUL方法综述、NASA/CALCE相关RUL比较表,并在讨论中指出实验室到实际运行的迁移、噪声鲁棒性和预测不确定性仍是挑战。Frontiers全文
数据集/电池体系
  • 体系/数据: 综述对象为锂离子电池;汇总既有研究和NASA、CALCE等数据集,不包含本篇新采集的电芯或独立实验数据。
  • 工况/跨域: 文内讨论多个模型与数据集,但不同研究的工况、切分和标签未统一,无法把跨文献表格理解为统一跨域验证。
EOL/RUL/SOH 定义
  • 目标/定义: 文章比较既有SOC、SOH、RUL研究;本篇不是单一EOL/RUL预测模型,未建立新的统一SOH定义或RUL阈值。
  • 未来信息风险: 对被综述研究,时间切分、完整寿命曲线使用和调参泄漏风险各不相同;文章未提供足够统一的审计协议,读者应回到原始论文逐项核实。
模型方法
  • 流程: 以章节与比较表归纳传统估计、深度学习、注意力/Transformer、优化增强及混合模型;结论偏向混合深度模型与优化方法。全文未清晰展示可复现的系统检索/筛选流程,故不应视作系统综述或荟萃分析。
  • 部署: 文章讨论边缘部署、可解释性和鲁棒性挑战,但无本篇模型的硬件或实时测试。
验证设计
  • 划分/泛化: 无原创训练/测试划分;比较结果继承各来源论文各自协议。讨论明确提及实验室数据到真实运行迁移受限、噪声鲁棒性及不确定性量化不足。
  • 可信度: 中;全文可用于定位方法和挑战,但跨研究指标口径不一,且未见可复现的文献筛选方案,不能把排名当作统一基准。
指标与结果
  • 本文没有原创实验指标。表格汇总既有论文在SOC、SOH、RUL上的误差/相关性结果;由于数据集、标签和切分不同,不将其合并为总体精度。文中结论所称“最佳”模型只适用于其引用研究及对应协议,需回到原始论文复核。
泄漏风险、复现性与局限性
  • 泄漏风险: 对综述本身不适用;对其引用的预测比较,全文未给出统一泄漏检查框架,不能由表格排除逐篇数据泄漏。
  • 复现性: 作为叙述性综述,未发现注册方案、检索式/筛选流程或可复现数据提取表;对比结果依赖所引研究。
  • 局限性: ①非原创实验;②文献筛选和纳入范围缺少可复现报告;③跨研究指标与数据划分不一致,结论不能直接指导模型优劣的定量排序。
是否值得跟进
  • 结论: 观望。
  • 理由与下一步: 可作近期方法索引,重点追踪其引述的SOH/RUL代表模型;若据此立项或选基线,逐篇回查原始论文、数据划分与指标定义,不直接采用综述排名。