2026.10.25 · 电池研究日报

电池寿命预测论文每日监测报告（2026-10-25）

今日结论

• 新增： 5 篇正式卡片（4 篇摘要级、1 篇全文级）；全文级 / 摘要级 / 元数据级 / 线索级：1 / 4 / 0 / 0。5篇均通过 DOI/出版社或期刊全文核验，其中两篇是此前保留的高优先级积压论文。
• 最值得跟进： ① LSTM迁移学习：仅用目标NCM 13个早期循环预测45°C循环寿命，建议核对目标测试电芯隔离；② MARS：把多尺度状态估计与条件RUL、不确定性区间结合，优先复核NASA/CALCE按电芯切分；③ 320Ah/298Ah LFP寿命预测：部分电压片段具工程价值，需核对长周期外推的标签与验证边界。
• 总体判断： 本轮包含机理SOH误差分析、LFP大容量储能寿命估计、跨化学体系迁移、SOH/条件RUL联合估计，以及一个显式处理容量再生的传统混合模型。新方法覆盖早期预测、可用部分充电/放电数据和不确定性估计，但摘要级论文普遍缺少电芯级拆分细节；部分结果仅来自仿真或小规模NASA数据，不能直接视为现场泛化证据。
• 质量提醒： Applied Energy首篇在线日期为2026-08-12、卷期为2026年12月，按已确认在线日期收录并保留未来卷期信息。MARS的Crossref日期仅到年份、DOI解析页曾显示2026-01-01占位值，最终采用IEEE标注的2026-09-16 Early Access。Top-5 gold-label均未标注，precision@K未知。另有2026-10-24报告尚未排入通知队列，路径见“质量与后续动作”。
• 检索规模： 发现记录 553 / 去重后记录 348 / 重复记录 205 / 保留题录 241 / 过滤条目 107。发现接口含 ranked_sample，结果不是全量文献覆盖；重复发现与过滤噪声为不同统计口径。

论文总览

单篇论文分析

1. Evaluating isothermal degradation error in lithium-ion batteries under WLTP drive cycles

论文基本信息

纳入理由与原文证据

• 主题/边界： 研究等温假设对电池SOH预测误差的影响，属于SOH轨迹/退化预测方法可靠性；不是直接比较RUL预测器，也不应泛化成现场电池管理系统性能结论。
• 证据： 出版方摘要报告NMC、LFP两种体系的校准模型及24个条件扫描，并指出NMC在500个WLTP循环下等温假设可造成1.4–8.2个百分点SOH误差。ScienceDirect摘要

数据集/电池体系

• 体系/数据： 多机理Single Particle Model with Electrolyte（SPMe）用于NMC与LFP；参数通过温度相关衰减率比值和纵向SOH轨迹校准。摘要未说明具体电芯型号、样本数、原始数据集及是否有实测独立电芯。
• 工况/跨域： 参数扫描共24个条件，覆盖10/25/40°C及1C/2C充电；NMC在WLTP驾驶循环上评估至500循环。LFP亦纳入机理比较，但摘要所述1.4–8.2 pp误差范围明确对应NMC。

EOL/RUL/SOH 定义

• 目标/定义： 比较SOH轨迹的预测误差；SOH容量口径、EOL阈值、RUL标签均未在摘要说明，本研究不是直接寿命终点预测。
• 未来信息风险： 两阶段校准使用纵向SOH轨迹；摘要未说明参数拟合数据与误差评估数据是否严格分开，需核查校准曲线是否也参与性能评估。

模型方法

• 流程： 电化学-热-退化多机理SPMe→先从温度依赖衰减率比值校准SEI反应活化能，再联合优化SEI速率常数与活性物质损失系数→输出SOH/容量衰减。物理比较中NMC的容量损失由SEI增长贡献超过99%；LFP中SEI与活性物质损失约占62%与38%。
• 部署： 等温简化可减少热子模型计算，但本文未报告BMS硬件、在线延迟、存储或实机验证。

验证设计

• 划分/泛化： 以参数校准、24条件扫描、活化能范围分析和解析Monte Carlo不确定性分析为主；摘要未报告按电芯留出、独立实验室测试或外部数据验证。
• 可信度： 中低；物理假设和敏感性分析清楚，但独立实测泛化及拟合/评估隔离信息不足。

指标与结果

• 校准后轨迹RMSE为1.45个百分点SOH，摘要称较未校准默认值改善6.3倍；500个WLTP循环下NMC等温误差1.4–8.2 pp。零活化能设定下误差最高0.20 pp；可行活化能62–95 kJ/mol的敏感性分析仍显示误差超过0.5 pp。以上为摘要原始报告，测试切分未知。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查纵向SOH校准轨迹与24条件误差是否重叠，以及参数是否用完整未来轨迹拟合。
• 复现性： 中低；模型结构、关键参数范围和扫描工况已披露，代码、原始电芯数据、初值及随机种子未确认。
• 局限性： 仅摘要级；结果依赖机理参数化和校准数据；不是独立电芯RUL基准，不能直接外推到未建模化学体系。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 适合作为电热耦合对SOH外推影响的敏感性参考。下一步取得全文，确认实测数据来源、校准与测试分离方式，并复核LFP条件下误差范围。

2. Life Prediction of Energy Storage LFP Batteries Based on Voltage Segment Health Indicators: A Comparative Study of Data-Driven and Arrhenius-Data Fusion Models

论文基本信息

纳入理由与原文证据

• 主题/边界： 明确提出大型储能LFP电池寿命预测，并将混合模型用于长期RUL监测，属于核心寿命预测；不是只做材料稳定性或储能调度。
• 证据： 摘要说明部分电压段SVF健康指标、GPR残差校正与Arrhenius-Kalman融合两条路线；报告320Ah数据验证281个循环、另用298Ah数据验证150个循环。MDPI摘要

数据集/电池体系

• 体系/数据： 大容量LFP储能电池；320Ah数据含281个循环，另有298Ah数据含150个循环。摘要未给电芯总数、数据是否公开、批次、设备及各电池运行时长。
• 工况/跨域： 数据驱动法在320Ah数据验证，并在298Ah数据进一步验证；摘要未说明两种容量间的训练/测试关系、温度、倍率、SOC窗口或独立电站BMS数据。

EOL/RUL/SOH 定义

• 目标/定义： 以部分电压段提取SVF作为health indicator，估计周期寿命；Arrhenius-KF路线用于闭环修正长期RUL。EOL容量阈值、寿命标签计算及周期寿命与RUL转换方式未说明。
• 未来信息风险： 部分电压段降低对完整充放电曲线的依赖；仍需确认分段位置是否在运行前可获得、训练和测试是否跨电芯隔离，以及Arrhenius参数是否使用全寿命数据校准。

模型方法

• 流程： 局部电压片段→Summed Voltage Falloff（SVF）健康指标→统一数值拟合并用Gaussian Process Regression校正残差；另一方案将Arrhenius模型与Kalman滤波结合，在线闭环修正预测。
• 部署： 作者将数据驱动方法定位为离线一次检查，将混合模型定位为长期在线监测；摘要未提供端侧硬件、传感采样约束、推理延迟或实际BMS运行记录。

验证设计

• 划分/泛化： 320Ah LFP数据281循环用于两种方法验证，数据驱动法再用298Ah数据150循环验证；摘要没有给出按电芯/批次切分、独立测试集、重复次数或误差统计分布。
• 可信度： 中低；应用场景和两类模型比较明确，但样本规模、EOL标签和数据切分细节缺失，结果需全文复核。

指标与结果

• 数据驱动法报告2σ置信水平下最差循环寿命3304 cycles；混合模型以200 cycles训练时预测1000 cycles，误差低于5%。摘要未说明“误差”的具体定义、测试电芯数及对应数据集，因此不据此推断普遍精度。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；检查拟合和Arrhenius参数估计是否使用测试轨迹，以及“预测1000 cycles”是否为真实独立测试还是模型外推。
• 复现性： 低至中；摘要披露SVF、GPR、Arrhenius和Kalman流程及部分数据规模，数据链接、参数、代码、种子均未确认；PDF本轮未获取。
• 局限性： 仅LFP大容量场景；电芯数量和温度/倍率跨度未知；对长周期结果缺少独立现场验证信息。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 部分电压片段与大容量LFP直接相关。优先获取PDF，核对样本数、EOL定义、1000-cycle误差口径、跨电芯验证和298Ah数据的独立性。

3. Long Short-Term Memory Network with Transfer Learning for Lithium-ion Battery Capacity Fade and Cycle Life Prediction

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接预测容量衰减轨迹和循环寿命，研究目标电池数据稀缺时的跨电池迁移，符合寿命预测。
• 证据： 作者以20只NCA源域电芯预训练，再用仅2只NCM目标电芯的25°C数据迁移；摘要报告可用目标电芯前13个循环预测45°C下循环寿命。SOLID Lab摘要

数据集/电池体系

• 体系/数据： NCA为源域，20只电芯含25°C和45°C循环数据；NCM为目标域，以2只25°C电芯做迁移训练。摘要未列公开数据集名称、完整电芯清单及目标45°C测试电芯总数。
• 工况/跨域： 主要跨正极化学体系NCA→NCM和温度25/45°C迁移；目标应用的预测输入为早期循环容量序列。其他温度、倍率、SOC范围和商业BMS数据未说明。

EOL/RUL/SOH 定义

• 目标/定义： 预测未来容量衰减序列及cycle life；摘要未给目标电芯EOL容量阈值、寿命标签规则和是否以容量到阈值定义终止。
• 未来信息风险： 使用前13周期预测后续寿命属于早期预测；仍需确认源域预训练、目标域迁移和45°C测试之间是否按电芯完全分离，以及周期数/标签是否泄漏。

模型方法

• 流程： 源电池历史容量序列→预训练LSTM预测后续容量衰减→用少量目标NCM数据迁移微调→两阶段模型输出容量轨迹与循环寿命。摘要未交代层数、损失函数、物理约束或主要消融。
• 部署： 依赖循环容量数据；传感器/测试周期、在线更新成本、推理延迟和BMS部署均未说明。

验证设计

• 划分/泛化： 20只NCA用于预训练，2只NCM的25°C数据用于目标域训练，另报告45°C NCM预测；具体测试电芯数量、按电芯留出规则和重复试验未确认。
• 可信度： 中；跨体系与温度迁移目标有工程意义，摘要结果可核对，但样本少且测试划分未披露。

指标与结果

• 目标NCM在45°C、仅输入前13周期时，cycle-life RMSE=25.23 cycles；容量轨迹RMSE=17.80 mAh（摘要同时标为0.51%）。该结果不代表其他电池体系或场景，摘要未提供置信区间和各测试电芯分布。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；优先检查NCA/NCM按电芯隔离、温度测试集是否参与模型选择，以及容量轨迹归一化是否使用完整寿命信息。
• 复现性： 中低；摘要给出训练电芯数、温度与核心误差，代码、原始数据链接、超参、种子和精确切分未能确认。
• 局限性： 目标域仅2只NCM训练电芯；45°C测试规模未知；cycle-life阈值和跨批次/跨设备泛化证据不足。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 早期容量序列迁移到新化学体系具有直接价值。取得全文后先查45°C测试电芯与2只适配电芯是否独立，再复现前13-cycle输入和EOL标签。

4. MARS: Feature-guided physics-informed deep learning for real-time battery health and lifetime prediction

论文基本信息

纳入理由与原文证据

• 主题/边界： 同时估计电池SOH并预测条件RUL，明确属于健康与寿命预测，不是仅做异常告警或SOC估计。
• 证据： IEEE摘要称MARS在NASA与CALCE基准上评估SOH和条件RUL，并报告两套数据上的SOH误差及RUL预测区间覆盖率。IEEE Xplore摘要

数据集/电池体系

• 体系/数据： NASA和CALCE电池基准；摘要称锂离子电池SOH/RUL估计，但未给具体子集、化学体系、样本/电芯数量和传感器采样细节。
• 工况/跨域： 强调运行变化、非平稳老化与非高斯测量扰动；是否跨温度、倍率、设备或化学体系测试未说明。

EOL/RUL/SOH 定义

• 目标/定义： SOH估计及conditional RUL预测；摘要没有给SOH归一化口径、EOL阈值、条件变量定义、RUL单位或标签生成过程。
• 未来信息风险： 多尺度滤波按循环推进，原则上适合在线估计；需核查预测区间校准、Monte Carlo dropout及预处理是否只用训练电芯/历史数据。

模型方法

• 流程： 双分支时序编码器分离循环内电压-电流-温度动态与循环间退化；编码上下文调节等效电路模型约束的可微广义相关熵自适应Kalman滤波器，使用不确定性分解和Monte Carlo dropout输出SOH及条件RUL区间。
• 部署： 摘要报告运行时分析并定位在线BMS推理，但未提供具体硬件型号、延迟、内存、功耗或整机实测数据。

验证设计

• 划分/泛化： NASA与CALCE基准，另含消融、扰动敏感性、近EOL与运行时间分析；摘要未说明cell-wise划分、外部留出及调参协议。
• 可信度： 中；双数据集且验证维度较多，但样本划分和RUL指标明细不足，全文付费不可得。

指标与结果

• NASA SOH MAE/RMSE=0.72%/0.92%，CALCE=0.63%/0.80%；条件RUL区间覆盖率分别为100.00%和99.24%。摘要称RUL点预测表现有竞争力，但未列具体MAE/RMSE或区间宽度，覆盖率不能单独代表区间质量。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；需确认两基准按电芯而非滑动窗口随机拆分，并检查区间校准是否接触测试集标签。
• 复现性： 中低；摘要披露模块、数据基准和部分指标，但网络配置、训练代码、数据筛选及种子未确认；IEEE PDF访问受限。
• 局限性： 指标仅摘要级；RUL数值、区间宽度和EOL标签缺失；尚无摘要可证明的实车或跨化学体系验证。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： SOH与条件RUL联合估计、鲁棒滤波及区间输出值得与传统基线比较。优先获取全文，复核cell-wise切分、RUL标签、覆盖率-区间宽度权衡和真实推理成本。

5. A Hybrid Method for Remaining Useful Life Estimation of Lithium-Ion Battery with Regeneration Phenomena

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及SOH，并专门建模容量再生现象，符合寿命预测。
• 证据： MDPI全文定义RUL为达到EOL前的剩余循环数，并用NASA PCoE的#5、#6、#7、#18电芯比较RVM-GM与单一RVM/GM基线。MDPI全文

数据集/电池体系

• 体系/数据： NASA PCoE Ames的商业18650锂离子电池循环数据；使用#5、#6、#7、#18四只电芯。各轨迹长度为168、168、168、132 cycles；数据为公开数据，作者未提供代码链接。
• 工况/跨域： 室温循环；仅单一NASA数据源。不同电芯具有不同再生幅度与循环寿命，未涵盖其他化学体系、温度、倍率或实车运行数据。

EOL/RUL/SOH 定义

• 目标/定义： SOH=当循环容量/额定容量；一般EOL阈值设为额定容量70%（2Ah初始、1.4Ah终点）；#7另用72%阈值，报告实际寿命146 cycles。RUL为预测EOL循环数减去当前循环数。
• 未来信息风险： 以各电芯前缀数据开展60、80、100循环起点的预测；预测阶段假设未来使用计划/相邻循环rest time已知，部署时若未知会形成信息可得性问题。

模型方法

• 流程： 从SOH序列分离正常退化与再生区；用rest time估计再生幅度/持续周期，以指数模型描述再生区，用RVM与灰色模型（GM）交替多步预测正常退化，并把预测结果回填训练序列迭代更新。比较基线为单RVM、单GM及RVM-KF。
• 部署： 使用容量与循环间静置时间；作者明确要求未来使用计划已知。未报告实时采样、计算硬件或BMS部署性能。

验证设计

• 划分/泛化： 四只NASA电芯分别在60、80、100循环起点进行前缀外推；文中描述按时间截取历史数据预测同一电芯后续寿命，没有跨电芯独立留出或外部数据验证。
• 可信度： 中；全文、EOL定义与逐电芯结果可核验，但样本仅4只，且未来rest-time计划假设限制实际适用范围。

指标与结果

• 在cycle 60开始预测时，RVM对#5/#6/#7/#18的RUL绝对误差分别为54/15/74/1 cycles，混合方法分别为4/15/1/4 cycles；#6持平、#18略差，整体不是所有单例都改善。全文另称不同起点下总体优于单RVM/GM，但小样本不宜作为普遍结论。

泄漏风险、复现性与局限性

• 泄漏风险： 中；按时间前缀预测可避免随机窗口混杂，但训练/测试只有同一电芯时序，且未来rest time计划需事先已知。
• 复现性： 中；出版社全文、NASA公开数据、模型流程和EOL定义均可得；脚本、完整参数及随机种子未确认。
• 局限性： 四只电芯且单一NASA域；依赖具有典型再生的训练数据；温度、迟滞、未知未来静置时间会影响精度。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 容量再生建模适合历史基线复现。建议用严格按电芯留出和未知rest-time情境重测，并与RVM-KF比较，避免沿用已知未来使用计划的假设。