2026.10.19 · 电池研究日报

电池寿命预测论文每日监测报告（2026-10-19）

今日结论

• 新增/补入： 正式卡片5篇：本轮新发现3篇，历史积压核验2篇；全文级 / 摘要级 / 元数据级 / 线索级 = 0 / 5 / 0 / 0。按评分≥80统计高分3篇；评分只用于筛选，不代表研究质量。
• 最值得跟进： ① Sugiarto等用前10循环表面温度预测寿命，覆盖223个电芯、LFP/NCA/NMC，优先核查各数据集独立测试及可复现实验细节。② PI-CTG在Oxford/CALCE/NASA六电芯上报告SOH结果；应先获取全文确认划分和单电芯指标。③ Bu等联合SOH/RUL并用部分电压段，报告CALCE与北京理工数据集误差；下一步核对测试方案和RUL定义。
• 总体判断： 本轮工作从早期温度特征与物理约束SOH估计，到联邦车队多模态和CNN-LSTM在线式联合估计，预测任务覆盖较广。两篇Scientific Reports文章的指标来自摘要，其中联邦研究明确使用合成BEV数据，不能当作真实车队外部验证。五篇均未取得可审计的全文或补充材料，摘要缺失的划分、阈值与代码信息需保留为未知。
• 质量提醒： ①两篇早前收录的Scientific Reports候选为积压补入；其首次收录时间分别为2026-08-09，仍按本轮要求完成出版社核验。②Crossref中的2022 JPS DOI经出版社核对题名匹配；出版社显示2022-11-15，Crossref仅为月级。③Gold-label Top-5尚无人工标注，precision@K未知，不能视作0。④OpenAlex/Crossref为相关性排序样本，不表示穷尽检索。
• 检索规模： 发现记录 553 / 去重后记录 355 / 重复记录 198 / 保留题录 255 / 过滤条目 100。即355条去重题录中保留255条、过滤噪声100条；重复198次是发现次数的重复，不是漏报数。

论文总览

单篇论文分析

1. Battery lifetime prediction using surface temperature features from early cycle data

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接使用早期循环数据预测电池寿命，符合早期寿命/EOL预测，不是单纯温度监测。
• 证据： 摘要称模型从“前10个循环”的表面温度提取统计特征，针对多个开源数据集训练并测试；CUHK研究门户摘要。

数据集/电池体系

• 体系/数据： 六个开源数据集共223个锂离子电芯，覆盖LFP、NCA、NMC；摘要未列各库名称、每库样本量和电芯形态。核心输入是前10循环表面温度统计特征。
• 工况/跨域： 数据集覆盖不同环境温度与循环协议；每个选定数据集分别训练和测试，摘要称采用平衡比例的非分层划分。是否按电芯独立分割、测试集电芯数和跨数据集迁移均未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 早期循环特征预测电池寿命/EOL；具体寿命标签单位、失效阈值和标签生成规则未在门户摘要中说明。
• 未来信息风险： 输入限定在前10循环是早期预测的优点，但应核验所有温度统计量是否只用当时可用数据，以及全寿命标签/归一化是否在划分后处理；摘要没有交代。

模型方法

• 流程： 前10循环表面温度 → 统计特征 → 数据驱动机器学习模型 → 预测电池寿命。摘要未列最终采用的算法、特征选择步骤或具体基线，不能依据检索词补全。
• 部署： 未说明传感器精度、在线计算、推理时延或BMS部署试验。

验证设计

• 划分/泛化： 对各开源数据集分别进行训练/测试，摘要说明平衡比例的非分层划分；未披露按电芯/批次切分、重复随机种子、验证集调参或外部盲测。
• 可信度： 信息不足；电芯总量和化学体系多样性有价值，但分割粒度未明，无法判断同电芯数据是否跨集合。

指标与结果

• 摘要只称在其中一个综合数据集上达到与使用长得多的循环数据的研究相当的表现，未列出具体误差、单位、置信区间或各数据集指标；本报告不从二手网页补造数字。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点核查非分层拆分是否以电芯为单位、早期温度特征的窗口边界、预处理拟合范围及调参是否触及测试集。
• 复现性： 信息不足；摘要未给算法细节、代码、随机种子、完整数据映射或超参数；公开数据集可获得性尚需逐项确认。
• 局限性： ①摘要未披露模型与绝对指标；②不同数据集分别训练，不能据此推断跨化学体系泛化；③缺少部署和不确定性信息。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 前10循环温度在寿命任务中有直接实用价值，且覆盖多种化学体系。优先取得RSC全文，查明六个数据集清单、电芯级切分、EOL阈值和温度特征的消融结果。

2. Lithium-ion battery SOH estimation based on degradation physics constraints and cross-attention Transformer-GRU

论文基本信息

纳入理由与原文证据

• 主题/边界： 明确估计锂离子电池SOH，并以退化动力学约束辅助预测，属于健康状态预测。
• 证据： 出版社摘要说明PI-CTG结合Transformer、GRU和交叉注意力，并在Oxford、CALCE、NASA三个数据集测试；Nature摘要。

数据集/电池体系

• 体系/数据： Oxford、CALCE、NASA数据集；摘要报告共六个电池样本，输入特征包括CC-CV充电曲线和增量容量曲线中的五项指标。具体化学体系、电芯型号、数据版本和每集样本分布未说明。
• 工况/跨域： 三个数据源提供一定来源差异，但摘要没有明确温度/倍率范围、训练测试分配、跨库训练策略或是否留出整颗电芯。

EOL/RUL/SOH 定义

• 目标/定义： 直接估计SOH；其标签是容量比、其他健康指标还是特定阈值定义，摘要未说明。论文不是RUL/EOL预测工作。
• 未来信息风险： 需核对增量容量特征的生成是否仅用预测时刻可获得的充电数据，以及按电芯和时间切分是否先于特征标准化、调参和曲线处理。

模型方法

• 流程： 五项充电/IC健康特征 → Transformer学习特征耦合、GRU提取循环维度记忆 → 交叉注意力融合；损失中加入隐式SOH退化率、退化动力学残差和弱单调性约束。比较对象包括GRU、Transformer及未加物理约束的CTG。
• 部署： 未报告车载硬件、推理时延、实时传感器要求或在线更新成本。

验证设计

• 划分/泛化： 摘要称在Oxford、CALCE、NASA的六个电池上实验；未说明训练/测试划分单位、预测起点、留出电芯数量、外部验证及统计重复。
• 可信度： 信息不足；多数据源和基线对比有参考价值，但小样本与协议未公开，现阶段不能确认泛化强度。

指标与结果

• 摘要报告六个电池的平均RMSE为0.0072、平均R²为0.9730；未说明RMSE量纲/是否归一化、逐电池结果及置信区间。论文另报告特征贡献分析，但不据此推断因果。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；应核对随机窗口是否跨电芯、IC曲线与归一化是否使用未来周期数据，以及调参集是否与最终测试集独立。
• 复现性： 信息不足；出版社页可读摘要，但本轮未核到代码、超参数、随机种子及完整划分方案。
• 局限性： ①仅六个电池样本；②化学体系、标签与切分细节未说明；③摘要结果缺少逐电芯误差和不确定性区间。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 将退化先验显式纳入SOH估计，且对比移除约束的模型，适合研究物理一致性。下一步获取全文并核实标签定义、特征因果可用性和电芯级独立测试。

3. Remaining useful life and state of health prediction for lithium batteries based on differential thermal voltammetry and a deep-learning model

论文基本信息

纳入理由与原文证据

• 主题/边界： 同时估计SOH并预测锂电池RUL，符合核心寿命与健康预测范围。
• 证据： 出版社摘要称使用DTV曲线处理、提取三项特征，并在NASA数据库比较四种递归网络；ScienceDirect摘要。

数据集/电池体系

• 体系/数据： NASA电池数据库；研究对象为锂离子电池。摘要未列具体子集、电芯数、型号、化学体系与循环工况。
• 工况/跨域： 论文称模型以NASA数据验证；可见摘要未交代温度、倍率、充电策略、训练测试按电芯还是按时间切分，也没有跨数据库验证信息。

EOL/RUL/SOH 定义

• 目标/定义： 输出包含SOH估计和RUL预测；RUL标签单位、容量阈值、EOL判定及预测起点未从摘要确认。不能将常见80%容量阈值当作本文定义。
• 未来信息风险： DTV特征、Pearson筛选及递归网络训练需要核验是否仅在训练电池/历史窗口上拟合；随机窗口或全寿命预处理可能造成信息交叉，摘要不足以排除。

模型方法

• 流程： Savitzky–Golay平滑DTV曲线 → Pearson相关性分析筛选三项特征 → 构建并比较四种递归神经网络；贝叶斯优化用于超参数选择，Monte Carlo用于不确定性量化。
• 部署： 作者提出云端/CHAIN电池管理的应用设想；摘要未给出实时延迟、硬件部署或实际BMS在线测试结果。

验证设计

• 划分/泛化： NASA数据库上的四种递归网络比较；具体网络名称、测试电池隔离方式、重复试验和外部验证未在可读摘要中说明。
• 可信度： 信息不足；实验有公开数据库和对比模型，但协议、样本规模和基准细节尚不可复核。

指标与结果

• 摘要称SOH估计在1%以内，并称预测RMSE可低于1%；RUL误差单位和计算口径不清，不能把两个“1%”直接视为RUL循环误差。提及Monte Carlo不等于已验证校准质量。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查DTV特征提取与Pearson筛选是否先于测试划分、超参数是否使用测试集，以及预测时是否允许未来曲线信息。
• 复现性： 低至信息不足；数据源、方法组件可识别，但当前摘要未确认网络结构、代码、完整数值、随机种子和标签细节。
• 局限性： ①仅能从摘要核实NASA验证；②误差单位及拆分细节缺失；③云端部署为设想，未见系统级实测证据。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： DTV将电化学信号特征用于SOH/RUL联合预测，且纳入不确定性分析。建议获取全文核查RUL单位、逐电芯测试划分、Monte Carlo区间覆盖率与DTV预处理的时间因果性。

4. Joint estimation of lithium battery health status and remaining useful life based on convolutional neural networks-long short-term memory networks-locally weighted scatterplot smoothing

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接联合估计锂电池SOH和RUL，且以部分电压段为输入，属于健康和寿命预测。
• 证据： 摘要描述SOH模型使用三项局部电压特征、RUL模型使用循环数与LOWESS平滑SOH；ScienceDirect摘要。

数据集/电池体系

• 体系/数据： CALCE与北京理工大学电池老化数据集；摘要未列电芯数量、化学体系、数据版本与各集合样本构成。
• 工况/跨域： 两个数据来源用于实验；温度、倍率、充电协议、按数据集训练测试的方向及跨域迁移方式均未在摘要说明。

EOL/RUL/SOH 定义

• 目标/定义： “3输入、1输出”模型估计SOH，“2输入、1输出”模型预测RUL；摘要未说明SOH标签公式、EOL阈值、RUL单位及RUL标签构造方式。
• 未来信息风险： LOWESS平滑是否使用双侧邻域、完整寿命曲线或仅历史值，可能影响在线可用性；需全文确认。测试数据是否在平滑/特征标准化前独立留出也未知。

模型方法

• 流程： 从部分电压区间提取三项健康特征 → CNN-LSTM估计SOH → LOWESS减弱容量回弹影响 → 将循环数及平滑SOH输入RUL模型。摘要未列具体基线和消融配置。
• 部署： 使用局部电压段旨在减少完整充放电数据依赖；未见设备端推理耗时或实际在线BMS测试。

验证设计

• 划分/泛化： 使用CALCE与北京理工数据集；摘要未说明按电芯/时间切分、留出电芯数、预测起点、重复试验或独立外部验证。
• 可信度： 信息不足；双数据源和联合任务有参考性，但评测协议及目标定义未披露，数值暂不宜横向比较。

指标与结果

• 摘要报告SOH平均RMSE为0.4284%、0.2755%、0.4378%，平均MAE为0.3107%、0.2040%、0.3812%；RUL平均RMSE为14.6131和4.2837，MAE为11.6160和3.8296。摘要未明确每组数值对应的数据集/单位，须以全文核实。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；应核对LOWESS是否因果、特征处理是否在分割后拟合，以及训练与测试是否按电芯隔离；同一电芯跨窗可能高估泛化。
• 复现性： 中低；摘要给出输入输出结构、数据集名称和多项指标，代码、超参数、随机种子与完整协议未确认。
• 局限性： ①指标与数据集映射不清；②RUL阈值/单位与通讯作者未确认；③无可核验部署时延和外部实车结果。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 部分电压段输入有潜在部署价值，且联合SOH/RUL能支持连续健康管理。取得全文后优先核对每组指标对应的数据、LOWESS的因果性、EOL规则和按电芯切分。

5. Federated multi-modal data fusion for enhanced state of health forecasting in battery electric vehicle fleets incorporating vehicle-to-grid operations

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接预测BEV电池SOH，并研究V2G工况下的健康变化，符合SOH预测；主要价值在车队建模方向，不是已验证实车部署。
• 证据： 出版社摘要称采用600辆BEV的“合成但现实”数据集，并报告V2G高强度情景RMSE相对下降15–20%；Nature摘要。

数据集/电池体系

• 体系/数据： 600辆BEV的合成数据，联合电池遥测、驾驶行为、环境和V2G交互信号；化学体系、电芯/电池包配置、模拟器来源和数据生成代码未在摘要/可读页面说明。
• 工况/跨域： 摘要称工况异质并测试non-IID联邦节点；未报告真实车队数据、温度/倍率范围、车辆和电芯数量映射，亦未说明训练/测试按车辆、车队还是时间划分。

EOL/RUL/SOH 定义

• 目标/定义： 任务为SOH forecasting；SOH计算公式、观测窗口、预测跨度及标签来源未说明。没有直接给出EOL/RUL输出。
• 未来信息风险： 需确认合成数据生成是否利用完整退化轨迹、非IID划分是否按车辆/节点隔离，以及融合特征是否包含预测时点之后的信息；摘要没有提供协议。

模型方法

• 流程： 遥测/驾驶/环境/V2G多模态信号 → 模态专属表示与注意力融合 → 分布式联邦训练，不共享原始数据 → SOH预测。基线包括单模态和部分融合方案。
• 部署： 联邦结构旨在保护节点数据，但未看到通信开销、隐私预算/攻击测试、边缘设备成本或真实车队试运行信息。

验证设计

• 划分/泛化： 600辆合成BEV、异质工况和non-IID分布；具体留出方式、车队外部测试、重复次数和真实数据验证未说明。
• 可信度： 信息不足；摘要报告多模态基线对比，但合成数据主导且协议不可见，不能据此宣称现实车队泛化。

指标与结果

• 摘要称在V2G密集场景，相比单模态/部分融合基线，RMSE降低最高15–20%，并称对non-IID有鲁棒性；未提供绝对RMSE、每场景结果和不确定区间。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；优先检查合成训练/测试是否共享生成参数或轨迹、车辆节点是否隔离、以及归一化是否跨集合拟合。
• 复现性： 低至信息不足；摘要披露总体架构和模拟规模，但未确认代码、数据生成器、联邦配置、超参数与种子。
• 局限性： ①数据为合成而非真实车队记录；②缺绝对误差和SOH标签细节；③隐私、通信与跨车队外部验证未在摘要确认。

是否值得跟进

• 结论： 观望。
• 理由与下一步： V2G影响与联邦多模态健康预测具有研究价值，但证据主要来自合成数据。下一步检查全文的数据生成与车辆级划分，要求真实车队留出验证、公开绝对指标及代码后再纳入算法对照。