2026.10.26 · 电池研究日报

电池寿命预测论文每日监测报告（2026-10-26）

今日结论

• 新增： 5 篇正式卡片（来自 papers[] 的 3 篇，另从低分复核/积压队列提升 2 篇）；全文级 / 摘要级 / 元数据级 / 线索级：1 / 4 / 0 / 0。原 papers[] 另有 1 篇经核验不属于预测主题、1 篇因 RSS 标注未来出版日而延期，未写成正式卡片。
• 最值得跟进： ① Energy 的四个自组电池包研究有跨包留出（1包训练、3包测试），但要核清 RUL 数字含义与阈值；② JTERA 的小型 LFP 实验提供完整五折时间序列验证，优先核对论文网页摘要与PDF指标冲突并扩大电芯样本；③ EIS 局部频段方案报告SOH MAPE及采集时间降幅，下一步确认模拟数据到真实电芯的外推。
• 总体判断： 本轮涵盖电池包级SOH/RUL联合估计、单体容量一步预测、EIS健康估计、嵌入式BMS状态估计等路线。可访问的证据以摘要为主；唯一取得的全文显示时间顺序验证，但样本仅一个4S电池包。摘要级方法应谨慎解读，不将SoC/SoH单次读数或容量短期估计等同于经外部电芯验证的寿命预测。
• 质量提醒： JTERA官方网页摘要与可下载PDF的误差数字不一致（详见卡片）；BMS与ElectroPredictNet的PDF请求未成功，按摘要级记录。Gold-label Top-5全未标注，precision@5未知而非0。一个Nature Communications候选只研究虚拟电极电位/充电策略、没有寿命或健康预测目标，已排除；一条RSS题录标注2027-01-01，按原日期延期核验。
• 检索规模： 发现记录 551 / 去重后记录 350 / 重复记录 201 / 保留题录 242 / 过滤条目 108。OpenAlex、Crossref结果均为相关度排序样本，不代表全量文献覆盖；重复发现与去重后过滤噪声为不同口径。

论文总览

单篇论文分析

1. Synchronous state of health estimation and remaining useful lifetime prediction of Li-Ion battery through optimized relevance vector machine framework

论文基本信息

纳入理由与原文证据

• 主题/边界： 同时输出电池包SOH估计与剩余寿命预测，直接属于核心主题。摘要明确将两个老化特征用于容量退化量化及RUL外推，而非普通状态监测。
• 证据： ScienceDirect摘要说明从增量容量曲线提取老化特征，经Box-Cox变换和MELM预测特征趋势，再由优化HKRVM估计SOH/RUL；四个电池包上报告SOH平均误差2.7773%，并给出RUL数值21.3333 cycles。出版方摘要

数据集/电池体系

• 体系/数据： 研究使用4个自组锂离子电池包，标记为LBP1–LBP4；实验平台包括温控箱和NEWARE BTS4000。摘要及可见章节片段未确认具体正负极化学体系、每包串并联结构、数据公开地址或循环总数。
• 工况/跨域： 片段显示LBP1作训练，LBP2–LBP4作测试，属于跨电池包留出；温度、电流倍率、SOC窗口及包间运行差异未能从摘要确认，不能扩展为跨化学体系泛化。

EOL/RUL/SOH 定义

• 目标/定义： SOH通过容量关系估计，RUL由老化特征趋势外推；摘要未明确SOH归一化口径、EOL阈值、RUL标签起点或21.3333 cycles究竟表示误差还是预测值，须查全文后才能解释。
• 未来信息风险： 按包划分比随机切片更有说服力，但可见摘要没有给出每次预测时可用历史长度及阈值判定规则；需排查外推是否使用测试包完整寿命曲线或全程特征拟合。

模型方法

• 流程： 增量容量曲线→两个老化特征（AF）→Box-Cox变换增强特征与循环数的线性关系→metabolic extreme learning machine（MELM）递推AF趋势→hybrid-kernel relevance vector machine（HKRVM）估计/外推容量并生成SOH/RUL。遗传算法与灰狼优化组成GGWO，搜索HKRVM核权重和参数；摘要比较GPR、SVR及部分粒子滤波方法。
• 部署： 文中定位为BMS健康管理方法；未确认嵌入式硬件、在线延迟、存储成本或实机运行验证。

验证设计

• 划分/泛化： 出版方可见片段明确1个电池包训练、另外3包测试；测试具有包级隔离，但总包数仅4。没有确认独立实验室/公开基准验证，也没有可见重复随机划分。
• 可信度： 中；跨包留出和实验平台信息是优点，但样本少，RUL定义与数据采样细节未能从摘要核实。

指标与结果

• 摘要报告四个电池包SOH平均误差2.7773%，并称预测RUL为21.3333 cycles；比较对象包括GPR、SVR及部分粒子滤波方法。RUL数字的统计含义和具体测试包对应关系未能确认，不将其改写成MAE或精度百分比。

泄漏风险、复现性与局限性

• 泄漏风险： 中/信息不足；包级划分降低样本窗口混流风险，但需核对AF拟合区间、测试包外推起点及RUL阈值是否使用未来信息。
• 复现性： 中低；摘要披露特征、变换、模型组件和四包划分，数据、代码、超参数、随机种子及电池包规格未确认。
• 局限性： 仅4个自组包；化学体系和测试工况不明；全文不可访问，尤其RUL数值定义无法复核。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 包级隔离测试对实际泛化评估有价值。下一步获取全文，先确认21.3333 cycles的指标含义、SOH/EOL规则及包规格，再决定是否复现GGWO-HKRVM并与固定阈值RUL基线比较。

2. Short-Term Capacity Estimation of 4S LiFePO4 Battery Under Partial Constant Current Cycling Based on Temporal Convolutional Network

论文基本信息

纳入理由与原文证据

• 主题/边界： 论文将下一循环放电容量作为预测目标，并明确以近期容量序列外推短期容量轨迹，属于容量退化预测；不是寿命终点或RUL预测。样本单一且周期短，因此只作低成本实验基线参考。
• 证据： PDF方法部分将问题定义为“给定连续历史容量序列，预测下一循环容量”；全文报告五折walk-forward验证及RMSE、MAE、MAPE。期刊全文PDF

数据集/电池体系

• 体系/数据： 单个4S LiFePO₄ 12.8V、6Ah电池包，由32700规格电芯组成；0.5C恒流充电、1C放电，76周期中排除初期13个被认定为电化学稳定化异常的点，剩63个有效周期。Raspberry Pi Pico、ADS1115、INA226和DS18B20采集电压、电流、温度；容量由放电电流积分得到。
• 工况/跨域： 数据在单一部分恒流充放电协议下产生，PDF记录温度约25–32°C；没有多电池、多批次、其他倍率或跨化学体系验证。

EOL/RUL/SOH 定义

• 目标/定义： 目标为下一循环放电容量（Ah），不是作者定义的SOH百分比、EOL阈值或RUL周期数；容量可作为健康退化指标，但不能将一步容量误差直接当寿命预测成绩。
• 未来信息风险： PDF使用因果卷积、walk-forward时间序列交叉验证，并称每折只用训练子集拟合归一化参数，降低时间泄漏风险。仍需留意初始13点删除规则是否依赖全序列观察，以及窗口长度表述不一致（摘要称3 timestep，方法处同时出现5 timestep与L=3）。

模型方法

• 流程： 近期容量序列→TCN因果/扩张一维卷积、残差块和Huber损失→一步预测下一循环容量；对照Persistence、Moving Average与Linear Regression。PDF给出扩张率[1,2,4]、三个残差块等细节，但输入窗口长度的文字描述冲突，不能据此认定实现无误。
• 部署： DAQ由Pico采集并将CSV送PC分析；未确认TCN在微控制器端部署、在线推理延迟或持续运行验证。

验证设计

• 划分/泛化： PDF全文称采用5折TimeSeriesSplit/walk-forward，按时间用过去样本训练、未来样本测试；每折单独训练并在训练子集内留出验证序列。仅一个电池包的63个有效点，没有电芯外部测试。
• 可信度： 中低；时间顺序切分和基线比较较透明，但样本规模极小、单包局部容量波动很窄，不足以证明跨电池泛化。

指标与结果

• 全文数字： PDF五折均值±标准差：RMSE 0.01618±0.00250Ah、MAE 0.01355±0.00202Ah、MAPE 0.86±0.13%；TCN优于Persistence、移动平均和线性回归。R²均值为负（TCN −0.3757±0.3634），作者归因于容量方差约0.05Ah及折间归一化拼接效应。
• 版本冲突： JTERA网页摘要另列RMSE 0.02114Ah、MAE 0.01288Ah、MAPE 0.827%，与PDF数值不同；报告暂以已读PDF正文表格为准，保留冲突，需向期刊/作者核实版本。

泄漏风险、复现性与局限性

• 泄漏风险： 低至中；按时间walk-forward、训练折独立归一化是正面控制；初始异常样本剔除和窗口长度/序列长度矛盾仍需检查。
• 复现性： 中；PDF披露DAq、协议、模型块、基线、交叉验证和主要超参数，但未发现公开CSV或代码仓库；全文个别描述存在相互矛盾。
• 局限性： 只有一个小容量LFP包、63个有效周期；一步预测不是RUL/EOL；摘要与PDF结果不一致且负R²提醒不宜仅凭MAPE宣传高精度。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 全文的时间外推设计适合做小数据基准，且记录了真实传感器采集。先核对PDF与网页摘要差异、窗口设定和异常点规则；再用多包、跨工况数据复现，并补充多步容量衰减与明确SOH/EOL映射。

3. Localized EIS Data for Capacity and SOH Prediction With Neural Networks

论文基本信息

纳入理由与原文证据

• 主题/边界： 研究目标明确为电池容量与SOH预测，且以退化相关的电化学阻抗谱特征减少检测时间，直接符合健康/容量预测主题。摘要称结果来自模拟单体，不代表已有实机全寿命验证。
• 证据： DOI摘要称，在电荷转移区选取两个相关频率，模拟单体SOH的MAPE最低为0.94%，并报告该情形EIS采集时间减少93%。DOI摘要

数据集/电池体系

• 体系/数据： 摘要称从公开数据集中提取频率子集，并在模拟单体上验证；没有确认公开数据集名称、化学体系、样本数、循环数或模拟模型参数。不能把“公开数据”自动等同于可直接复现的原始EIS测试集。
• 工况/跨域： 关注EIS频率范围，尤其电荷转移（CT）区域；测量温度、SOC、倍率、阻抗扫描条件和跨电芯覆盖未说明。摘要未证明模拟结果迁移到真实电芯或电池包。

EOL/RUL/SOH 定义

• 目标/定义： 目标为容量与SOH预测，评价对象覆盖电池循环寿命期间的健康变化；SOH标签计算口径、EOL阈值、RUL单位及标签生成方式均未说明。
• 未来信息风险： 频率筛选依据“与退化最相关”的数据；需核实频率排名是否仅用训练集计算，避免全数据特征筛选泄漏。摘要没有说明按电芯或周期隔离测试。

模型方法

• 流程： EIS数据→提取与退化最相关的局部频率子集→神经网络预测容量/SOH；核心工程主张是用CT区两个频率代替较慢的低频测量。摘要没有给出网络层数、输入输出编码、损失函数或与传统模型的逐项基线。
• 部署： 目标是缩短EIS采集并适用于单体测试台；未确认实际仪器、嵌入式部署、计算延迟或BMS在线测试。

验证设计

• 划分/泛化： 摘要只说明公开数据集上的模拟单体分析；训练/测试切分、样本规模、交叉验证、独立电芯测试及重复实验均未确认。
• 可信度： 信息不足至中低；EIS时间成本问题和频段筛选目标明确，但缺少可审计的划分细节，且公开证据止于摘要。

指标与结果

• 摘要报告模拟单体SOH最低MAPE为0.94%，并在该案例下将EIS采集所需时间减少93%；这两个数字的测试集、基线扫描时长及波动范围未说明。不得将单一模拟场景结果泛化为所有化学体系。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点核查频率相关性筛选是否使用测试数据、模拟数据是否参与训练和测试两端，以及时间序列样本是否随机切片。
• 复现性： 低至中；摘要给出公开数据集、频率区域和结果指标，但本轮无法取得全文，数据集标识、代码、网络参数及随机种子未能确认。
• 局限性： 目前只核实模拟单体摘要；SOH标签/数据划分不详；降低EIS时间的方案仍需真实仪器与多电芯验证。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 两频点方案可能降低测量成本，且直接预测容量/SOH。下一步获取全文与公开数据集，确认筛选过程是否无泄漏，并在真实EIS数据上比较采集时间、SoH误差及跨电芯稳定性。

4. AI-Enhanced Battery Management System with Real-Time SOC/SOH Estimation and IoT-Based Autonomous Load Control: Hardware Implementation on ESP32 with MQTT and ML Inference

论文基本信息

纳入理由与原文证据

• 主题/边界： 论文直接估计SoH，因此按健康估计纳入；它没有报告RUL/EOL预测，实时SOC控制、IoT看板和保护继电器不是寿命预测结果。实机演示中的SoH=100%、Cycle=0也不能证明老化过程中的健康预测精度。
• 证据： 期刊摘要称比较Random Forest、XGBoost、LSTM，并将随机森林部署到ESP32；报告NASA数据集9,742条记录、80/20划分及R²=0.976。期刊摘要

数据集/电池体系

• 体系/数据： 摘要称模型使用NASA Battery Dataset（9,742记录），原型是3S ICR-18650锂离子电池包，标称11.1V、2500mAh；没有说明NASA数据中使用哪些电芯、原型电芯是否与训练数据同化学体系，数据文件也未开放（页面写“Download data is not yet available”）。
• 工况/跨域： 原型有电流/电压采集；两路INA219电流传感器、0.1Ω分流器、500ms采样与每2秒MQTT发布。温度、倍率、老化循环覆盖及跨电芯测试未说明。

EOL/RUL/SOH 定义

• 目标/定义： 明确估计SOC和SOH，但SoH参考标签公式、健康阈值、EOL定义及任何RUL输出均未说明；应视为SOH估计/原型演示，不应描述为寿命预测。
• 未来信息风险： 摘要给出记录级80/20随机划分和seed=42，未说明按电芯或循环分组。若同一电芯相邻周期被随机拆到训练与测试，可能产生时间/个体信息泄漏；需全文核对。

模型方法

• 流程： NASA记录→比较Random Forest、XGBoost、LSTM→摘要称RF在所有目标上最高（R²=0.976）→在ESP32端推理；SOC另用60%库仑计数与40%电压映射融合。摘要还称电流与cycle count是退化预测的重要特征，但没有说明未来健康轨迹预测任务或特征可用时点。
• 部署： ESP32双核240MHz、Wi-Fi；MQTT、Flask-SocketIO网页端、Tkinter界面及继电器负载控制有摘要描述。没有测量推理延迟、算力占用、模型更新或长周期现场表现。

验证设计

• 划分/泛化： 训练评估按记录80/20随机切分；另展示原型实时读数和低电压继电器动作。未确认按电芯独立测试、独立数据源、老化全过程标签或SoH预测校准。
• 可信度： 信息不足；硬件实现提高工程可见性，但模型验证与原型实测之间的对应关系不清楚，单次读数不能替代独立SOH验证。

指标与结果

• 摘要报告RF R²=0.976（目标合并/具体目标范围未清楚说明），并给出示例V=9.87V、SoC=39.4%、SoH=100%、Cycle=0；阈值告警小于10V、负载切除小于9V、紧急关机小于8V。后几项是原型读数/控制阈值，不是寿命预测精度。

泄漏风险、复现性与局限性

• 泄漏风险： 中高/信息不足；随机记录级切分可能混合相邻循环，且数据集电芯与实物原型的关系不明；SoH=100%且Cycle=0的演示无法检验衰退预测。
• 复现性： 低至中；摘要披露算法名、样本数、分割比例、随机种子和部分硬件，但NASA子集、标签生成代码、模型参数及数据未提供，全文PDF请求失败。
• 局限性： 缺少循环老化验证和电芯级留出；没有EOL/RUL目标；硬件展示不能证明模型部署后对退化电芯的泛化。

是否值得跟进

• 结论： 观望/跟进。
• 理由与下一步： 可参考ESP32端侧架构与传感器/MQTT实现，不应直接采信其SoH精度。下一步获取PDF和NASA数据预处理代码，核查电芯隔离、SoH标签及实物电池长期验证后再决定复现。

5. ElectroPredictNet: Accurate estimation of battery state of charge and state of health using advanced deep learning models

论文基本信息

纳入理由与原文证据

• 主题/边界： 摘要直接提出SoC与SoH估计、分析充放电周期并预测退化模式，属于SOH估计主题；没有明确EOL或RUL输出，因此不把论文说成剩余寿命预测。
• 证据： University of South Wales研究档案摘要列出CNN、RNN、LSTM、DNN及带自注意力的R²回归比较，并报告MSE=0.002、MAE=0.0096。研究档案摘要

数据集/电池体系

• 体系/数据： 摘要背景指向电动汽车锂离子电池及充放电周期数据；没有披露电芯化学体系、样本量、数据集版本、循环数或电芯来源。出版社摘要检索结果提到公开Kaggle SoC/SoH数据集，但本轮无法读取全文确认数据清理和训练样本构成，故不把数据集名称当作已核验细节。
• 工况/跨域： 论文目标是从BMS参数估计SoC/SoH；温度、倍率、SOC区间、跨电芯/跨化学体系或外部测试均未在可见摘要说明。

EOL/RUL/SOH 定义

• 目标/定义： SoC与SoH估计；SoH参照容量还是内阻、标注计算方式及健康阈值未说明。没有给出RUL/EOL标签或寿命终点预测任务。
• 未来信息风险： 摘要未披露训练/验证/测试拆分、归一化范围或按电芯隔离情况；若窗口随机拆分，临近循环相似性可能抬高结果，需全文核查。

模型方法

• 流程： 预处理与特征平滑→比较CNN、RNN、LSTM、DNN及带自注意力的回归模型→输出SoC/SoH并做误差比较。摘要未提供各模型层数、损失函数、特征输入、具体胜出模型或消融结果，不推断其集成结构。
• 部署： 研究面向BMS，但可见摘要没有嵌入式硬件、实时推理、在线更新或车载测试信息。

验证设计

• 划分/泛化： 仅核实到作者称与SOTA模型比较；摘要未提供训练/测试比例、电芯级拆分、外部数据或重复验证。
• 可信度： 信息不足；SOH目标明确，但关键数据划分、标签口径、模型配置及结果单位全部欠缺，且全文PDF未能访问。

指标与结果

• 摘要报告MSE=0.002、MAE=0.0096；没有说明是否归一化、单位、具体测试集或按SoC/SoH分别计算。仅能作为作者摘要中的误差数值，不能与不同标签尺度论文直接横向比较。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；首要核查循环窗口是否跨训练/测试边界、数据归一化是否看见测试集，以及同一电芯是否同时出现在两侧。
• 复现性： 低；虽档案称论文为同行评审文章且开放PDF链接存在，但本轮PDF服务返回403；摘要未列代码、数据拆分、超参数、随机种子或数据集规模。
• 局限性： 只到摘要证据；SoH定义和化学体系未知；不能由SoC/SoH联合估计推断RUL或实车寿命预测能力。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 主题匹配，但现有误差指标无法判断量纲与外推质量。待PDF可访问后优先核查Kaggle数据版本、SoH标签、按电芯切分、各模型完整结果及代码可得性。