2026.10.21 · 电池研究日报

电池寿命预测论文每日监测报告（2026-10-21）

今日结论

• 新增/补入： 核验并纳入5篇：本轮新观察3篇，预留积压2篇；全文级 / 摘要级 / 元数据级 / 线索级 = 1 / 4 / 0 / 0。按脚本评分≥80计高分1篇；分数是筛选提示，不代表研究质量。
• 最值得跟进： ①MAGNet针对电池退化轨迹的域偏移提供官方代码和多化学体系实现，优先核验目标域隔离与预测起点。②Safavi等比较多种RUL模型并报告循环寿命误差，适合补充传统树模型基线，但数据集名和划分仍需全文确认。③最新Scientific Reports文章报告NASA特征和独立电池数据验证，下一步索取数据拆分及RMSE量纲。
• 总体判断： 本轮覆盖直接RUL预测、域偏移下的退化轨迹预测，以及混合电池-超级电容系统的容量型SOH跟踪。可核验的结果主要来自摘要；除首篇全文可读外，独立测试、标签构造和预处理因果边界仍有较多未披露信息，不能将仿真状态跟踪等同于寿命预测。
• 质量提醒： ①首篇PDF可读全文，其余4篇只有摘要或摘要片段；②Safavi论文Crossref日级日期与作者机构库的月份记录不一致，MAGNet的Crossref/OpenAlex日期亦不同；③Nature新论文确认2026-10-20发表，指标单位和独立数据集细节未说明；④OpenAlex/Crossref为相关性排序样本，不代表穷尽覆盖。
• 检索规模： 发现记录 553 / 去重后记录 352 / 重复记录 201 / 保留题录 252 / 过滤条目 100。352条去重题录中保留252、过滤噪声100；重复201是重复发现次数，不是漏报数。

论文总览

单篇论文分析

1. A Remaining Useful Life Prediction of Lithium-Ion Batteries via Improved Dream Optimization Algorithm-Tuned LSTM Networks

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接预测锂离子电池RUL，符合寿命预测主题。
• 证据： 出版社全文描述以改进Dream Optimization Algorithm调节LSTM超参数，并在CALCE、NASA数据上做实验；出版社全文。

数据集/电池体系

• 体系/数据： CALCE与NASA锂离子电池数据；摘要具体列出CALCE四个电池的误差。NASA对应电芯数、样本数和化学体系未能确认。
• 工况/跨域： 摘要称采用leave-one-out cross-validation；具体留出单位、温度/倍率覆盖以及CALCE与NASA是否分开训练评估未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 输出RUL；EOL阈值、RUL单位与标签生成方式未说明。
• 未来信息风险： 留一交叉验证并不自动保证超参数搜索与测试隔离；需核对归一化、特征窗口及IDOA是否在每个训练折内独立拟合。

模型方法

• 流程： 电池循环数据→LSTM回归；IDOA用最优点集初始化并以自适应种群缩减改善搜索，再调节LSTM超参数。摘要称进行与DOA及其他基线比较。
• 部署： 未报告在线输入要求、计算时延、硬件或BMS实机部署。

验证设计

• 划分/泛化： CALCE、NASA数据，报告LOOCV及十次独立运行；全文尚需核验LOOCV按循环、样本还是电芯划分，以及调参是否嵌套。
• 可信度： 中；全文可读且描述交叉验证，但测试隔离单位和跨数据集设置仍不清楚。

指标与结果

• CALCE四个电池的RMSE分别为0.0201、0.0198、0.0213、0.0186；MAE分别为0.0181、0.0174、0.0163、0.0154。单位/归一化尺度未在摘要说明；作者报告相对未优化模型平均预测准确性提高53.8%。NASA对应数值未能确认。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；优先审查超参数优化是否只用训练折、留出是否按电芯分组，以及预处理是否跨越预测时点。
• 复现性： 中低；全文与数据集名称可得，但未确认公开代码、完整超参数、随机种子和标签生成脚本。
• 局限性： ①可读摘要只给CALCE四个对象的具体误差；②指标尺度及LOOCV单位不清；③未见实物在线验证；④十次运行的方差、置信区间及跨化学体系验证结果未能确认。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 全文可审读且包含NASA/CALCE和优化基线，适合作为RUL算法比较参考。先复核LOOCV和IDOA的嵌套方式，再检查NASA独立结果和归一化误差口径。

2. Simulation-based state and health co-estimation for battery–supercapacitor hybrid energy storage systems

论文基本信息

纳入理由与原文证据

• 主题/边界： 本文在电池-超级电容混合系统中做容量型SOH跟踪，符合SOH估计；它不是RUL/EOL预测，报告中按相邻健康状态任务定位。
• 证据： 摘要说明电池支路通过有效容量更新跟踪SOH，并在老化与US06仿真情景中评估；出版社PDF索引页。

数据集/电池体系

• 体系/数据： 受控仿真HESS，包括电池与超级电容；电池化学体系、真实样本来源及电芯数未说明。反复US06循环和计划静置锚定用于仿真。
• 工况/跨域： 摘要列出测量噪声、参数失配、初始化不确定性、超级电容瞬态及不同时间常数；未报告实体电池或外部工况数据。

EOL/RUL/SOH 定义

• 目标/定义： 电池SOC/端电压估计及以有效容量Q更新的SOH_Q跟踪；无RUL输出、EOL阈值或寿命标签定义。
• 未来信息风险： 摘要未说明估计器是否只使用各时点可用观测；休息锚定和容量反馈的时间边界需从全文确认。

模型方法

• 流程： 电池端采用2RC等效电路与AIEKF估计SOC/端电压，另以有效容量更新SOH；超级电容支路用含泄漏的三状态ECM，对比AIEKF/UKF。消融称SOC重锚定和容量反馈贡献较大。
• 部署： 仅为仿真框架；没有硬件、实时延迟或真实BMS验证证据。

验证设计

• 划分/泛化： 多种模型扰动及US06仿真，报告不同时间常数敏感度；没有训练/测试集或真实电芯外部验证。
• 可信度： 低至中；仿真条件较多，但不能据此推断实测SOH精度或寿命预测能力。

指标与结果

• 仿真将电池容量从180,000 C降至约162,000 C（SOH_Q约0.90）；电池SOC RMSE为0.2249%。超级电容SOC RMSE 0.1998%、端电压RMSE 0.01028 V。后两类是状态估计误差，不是SOH或RUL误差。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；需确认容量反馈更新是否仅利用过去数据、静置锚点时点如何设定，以及参数失配测试与估计器调参是否分离。
• 复现性： 信息不足；摘要给出部分模型和US06场景，仿真参数、代码、随机种子及完整实验脚本未能确认。
• 局限性： ①仿真而非实测；②电化学体系与寿命标签不明；③只支持SOH状态跟踪，不能外推为RUL预测结论。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 其容量反馈与SOC重锚定消融可供BMS状态估计参考。先获取全文复核容量更新和因果性；除非出现真实电池验证，不纳入寿命模型性能基准。

3. Battery Remaining Useful Life Prediction Using Machine Learning Models: A Comparative Study

论文基本信息

纳入理由与原文证据

• 主题/边界： 研究同时预测锂离子电池容量衰减与RUL，直接属于容量退化及寿命预测。
• 证据： AAU摘要说明在三个案例中比较六种ML模型，并以第三案例的XGBoost-HT报告循环寿命误差；AAU机构库摘要。

数据集/电池体系

• 体系/数据： 锂离子电池；摘要提及两套数据与三个案例，但未列出数据集名称、样本数或电芯型号。案例涉及温度、C-rate、SOC、DOD、充电策略及初始循环特征。
• 工况/跨域： 第三案例用第二数据集的初期循环特征预测全寿命RUL；是否跨电芯、跨工况或跨数据集独立测试未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 多特征多目标映射预测容量衰减与RUL；EOL阈值、RUL标签单位/构造和预测起点未在可见摘要说明。
• 未来信息风险： 初期循环特征用于全寿命预测是重要设置；需核对特征窗口、归一化、特征映射与切分是否避免使用预测时点之后的信息。

模型方法

• 流程： 从电池循环数据提取多种特征并进行MFMT映射→RF、XGBoost、LightGBM、MLP、LSTM、Attention-LSTM；XGBoost与LightGBM另做超参数调优。
• 部署： 未报告嵌入式推理、在线更新、算力或BMS实机测试。

验证设计

• 划分/泛化： 三案例、两套数据；摘要包含多种工况和初期循环输入，但没有披露按电芯留出、时间切分、外部数据测试或调参隔离。
• 可信度： 信息不足；比较范围较广，但数据身份和独立测试协议未能从摘要审计。

指标与结果

• 第三案例XGBoost-HT的循环寿命RMSE为69 cycles、MAPE为6.5%；摘要称其在三案例容量衰减和RUL上整体优于其他比较模型。其他案例逐电池指标未能确认。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；核验早期特征是否严格截止预测时点、多个案例是否按电芯分组，以及调参是否触及测试集。
• 复现性： 中低；AAU提供开放获取论文链接，数据集名称、完整代码、超参数和随机种子仍未确认。
• 局限性： ①数据集及电芯数未从摘要确认；②只报告一个案例的数字；③日期记录存在来源差异。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 多工况和早期循环预测有基线价值。先取得开放PDF，补齐数据集身份、EOL定义、逐电芯切分及XGBoost-HT调参过程；再决定是否复现。

4. Forecasting battery degradation trajectory under domain shift with domain generalization

论文基本信息

纳入理由与原文证据

• 主题/边界： 目标是域偏移下预测电池退化轨迹，属于退化轨迹预测；不是单纯材料合成或健康监测。
• 证据： 出版社摘要片段称模型结合元学习与任务驱动域泛化；作者代码库将MAGNet对应到本论文并提供实现与数据复现说明；官方GitHub。

数据集/电池体系

• 体系/数据： 官方代码库列出NCA、NCM、LFP数据流程/结果，涉及锂电正极体系；NCA/LFP处理材料及NCM公开原始数据链接分处代码库说明。电芯总量和数据采集来源未能由摘要确认。
• 工况/跨域： 题名和摘要明确域偏移/多状态预测；域如何按温度、倍率、电芯或化学体系定义及目标域是否完全留出，需全文核对。

EOL/RUL/SOH 定义

• 目标/定义： 预测电池退化轨迹；摘要片段未提供输出量、SOH/RUL标签、轨迹长度或EOL阈值定义。
• 未来信息风险： 早期数据预测完整轨迹的切分边界尤需审查；移动平均、特征归一化、元学习任务构造若使用目标域未来数据可能导致泄漏，当前证据不足以判断。

模型方法

• 流程： 多域电池时间序列→元学习与任务驱动域泛化（TDDG）→MAGNet退化轨迹预测；代码库公开训练脚本、数据处理入口、模型权重与复现说明。
• 部署： 官方仓库说明复现依赖Ubuntu 20.04、GTX 3090及旧版PyTorch；未见端侧或BMS实时部署验证。

验证设计

• 划分/泛化： 官方实现含NCA、NCM、LFP流程和域级结果文件；论文目标聚焦domain shift，但具体留出协议、目标域标签可见性和调参边界未能确认。
• 可信度： 中；方法与代码可交叉核对，然而摘要/出版社全文访问受限，域隔离细节仍待审计。

指标与结果

• 可访问的出版社摘要片段未提供可核验误差数值、单位或分域对照；本报告不从仓库图表文件名或方法描述推算结果。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；检查目标域划分、早期观测截止点、标准化统计量及元学习任务构造是否严格隔离。
• 复现性： 中；官方代码、训练脚本、部分模型权重及数据说明可见，但仍需下载补充材料/数据，并依赖较旧的软件与GPU环境。
• 局限性： ①出版社全文未能读取、数值结果缺失；②域定义与跨化学泛化范围未确认；③数据下载及较高GPU资源增加复现成本。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 域偏移是从实验室寿命模型走向应用的重要问题，且代码公开。下一步获取全文和补充材料，先复核目标域是否真正留出，再在统一时间切分上复现NCA/NCM/LFP结果。

5. Feature driven machine learning framework for accurate and computationally efficient remaining useful life prediction of lithium-ion batteries

论文基本信息

纳入理由与原文证据

• 主题/边界： 明确预测锂离子电池RUL，属于核心寿命预测任务。
• 证据： Nature摘要称从NASA电池退化数据提取最大放电电压与最小充电电压，并比较kNN、SVR、RF；出版社摘要。

数据集/电池体系

• 体系/数据： NASA电池退化数据集，题名指明锂离子体系；摘要另称使用独立电池数据验证，但未给数据集名称、电芯数量或化学体系。
• 工况/跨域： 摘要提到独立数据集和预测曲线趋势，未提供工况、温度、倍率及外部集的训练/测试关系。

EOL/RUL/SOH 定义

• 目标/定义： RUL回归；RUL单位、EOL阈值和标签生成方式未说明。
• 未来信息风险： NASA数据预处理含探索分析和归一化；摘要未说明拆分先后、归一化是否只在训练集拟合，或独立集是否用于选模。

模型方法

• 流程： 传感器派生特征→特征分析筛选最大放电电压、最小充电电压→kNN、SVR、Random Forest预测RUL。RF整体最佳；kNN训练时间较短，SVR误差较大且计算成本较高。
• 部署： 摘要提出适用于实时BMS的潜力，但未报告硬件、单次延迟、内存或实机验证；不把作者的适用性表述当作部署证据。

验证设计

• 划分/泛化： NASA数据及独立电池数据验证；独立集身份、样本规模、按电芯/时间切分方式与调参隔离均未说明。
• 可信度： 信息不足；独立数据验证是积极信号，但无法审计是否真正独立或对应跨电芯测试。

指标与结果

• Nature摘要报告RF的R²=0.9421、RMSE=77.47；RMSE单位/样本集合口径未说明。kNN准确度相近且训练较快；SVR准确度较低、计算代价较高。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查特征/归一化是否跨测试集拟合、独立数据集是否参与模型选择及样本是否按电芯隔离。
• 复现性： 低至信息不足；数据来源、特征与模型族可识别，但代码、参数、随机种子、拆分及完整误差口径未在摘要确认。
• 局限性： ①独立数据集和样本规模不明；②RMSE量纲未给；③可读证据为摘要，未核验训练和部署细节。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 两个电压特征与轻量模型适合做简洁基线，且发表时间新。优先索取全文，确认RUL单位、独立集身份、按电芯划分及77.47的误差尺度，再决定是否复现。