2026.11.01 · 电池研究日报

电池寿命预测论文每日监测报告（2026-11-01）

今日结论

• 新增： 5 篇正式论文卡片；其中 2 篇为较早发现的积压候选，3 篇为本轮新入库候选。全文级 / 摘要级 / 元数据级 / 线索级：2 / 3 / 0 / 0。
• 最值得跟进： ① IC2ML 联合预测 SOH、退化轨迹及 RUL，121 个电池、10 种工况，下一步核查电芯级划分与开源数据；② 五机制物理模型说明仅拟合容量/电阻不足以识别退化模式，下一步复用其数据与代码并检验其他化学体系；③ NASA 数据上的软测量-GRU 提供在线 RUL 方案，下一步审查小样本验证及 EOL 标签定义。
• 总体判断： 本批同时包含机理模型参数化、跨周期注意力模型及软测量时序模型。IC2ML 是最直接的联合寿命/健康预测研究；Nature Communications 论文有助于改善退化模型可信度，但没有报告独立的 RUL 预测指标，不能当作现成的 RUL 预测器。
• 质量提醒： IC2ML 的 Crossref、DOI 元数据及出版社卷期日期不一致，报告采用出版社卷期日并另记在线日期；Duan 等的 Crossref 日期为月初占位，与出版社卷期日不同。Duan 与 PCLSTM 仅取得摘要/文章预览，不能确认测试划分及完整结果；IC2ML 的开放全文 PDF 请求未成功，出版社摘要页可读。所有来源请求均成功，无本轮源告警。
• 检索规模： 发现记录 548 / 去重后记录 357 / 重复记录 191 / 保留题录 235 / 过滤条目 122。重复发现与过滤噪声分开统计；OpenAlex、Crossref 返回的是排序样本，不代表穷尽检索。

论文总览

单篇论文分析

1. The importance of degradation mode analysis in parameterising lifetime prediction models of lithium-ion battery degradation

论文基本信息

纳入理由与原文证据

• 主题/边界： 本文研究的是用于寿命预测的退化模型参数化和 SOH/退化轨迹拟合；它没有输出 RUL/EOL 预测值，故作为机理建模方法纳入，不视为独立 RUL 估计器。
• 证据： 五机制模型在三种温度下同时拟合退化模式优于简化模型；但实验3在 10°C 失效，不能外推为全工况可靠。Nature 全文

数据集/电池体系

• 体系/数据： 商用 21700 LGM50T 圆柱电芯，SiOx 掺杂石墨负极、NMC811 正极，标称 5 Ah。用 Kirkaldy 等人的 Experiment 2 参数化、Experiment 3 验证；每组工况有两个测试电芯。
• 工况/跨域： Experiment 2 在 10/25/40°C、70%–85% SOC 循环；Experiment 3 使用相同温度、85%–100% SOC。跨 SOC 但仍限同型号/化学体系。

EOL/RUL/SOH 定义

• 目标/定义： SOH 定义为各次 RPT 的 C/10 容量除以首次 RPT 容量；另拟合 0.1 s 电阻、LLI、负极/正极活性材料损失。没有给出本文自己的 RUL/EOL 标签或寿命阈值。
• 未来信息风险： 参数在 Experiment 2 拟合、Experiment 3 验证，提供了独立老化实验检查；但参数化过程中使用完整老化数据，不是从早期窗口预测未来寿命的评估，不能与早期 RUL 任务直接比较。

模型方法

• 流程： Doyle–Fuller–Newman 伪二维电化学模型 + 集总热模型；比较 SEI-only、SEI+dry-out 与五机制耦合（SEI、生电解液干涸、锂析出、活性材料损失、应力颗粒开裂）。按五项指标加权误差选择参数。
• 部署： 五机制参数搜索平均约需 4 GB 内存、2 CPU、16 小时；部分 10°C 参数组合超过 72 小时，不是已验证的车载在线部署方案。

验证设计

• 划分/泛化： Experiment 2 拟合、Experiment 3 验证；未见随机窗口划分。模型在 Experiment 3 的 40°C 表现较好，10°C 失效，25°C 仍有误差。
• 可信度： 中。跨独立老化实验有价值，但数据集中于一种电芯体系，且论文明确报告低温验证失败。

指标与结果

• 三模型电压平均 MPE 均低于 0.8%、RMSE 均低于 40 mV；五机制模型在 Experiment 2 的总体五指标 MPE 合计 34.45%，低于 SEI+dry-out 的 45.14%。Experiment 3 在 40°C 五机制模型总体 MPE 为 10.58%，这些是拟合/退化状态指标，不是 RUL 误差。

泄漏风险、复现性与局限性

• 泄漏风险： 中；参数化采用整段 Experiment 2 老化信息，若改作早期预测须重新按时间截断；Experiment 3 作为验证集是有利设计。
• 复现性： 高；实验数据、模拟结果及代码见 Zenodo 14995785。
• 局限性： 未采用优化器；模型无法拟合部分温度/SOC依赖；未拟合实验1/5，实验4因计算成本未尝试，硅退化机制也未建模。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 值得用于审查寿命模型的退化模式可辨识性。下一步用公开代码复现实验3，并补充其他化学体系及真正的早期 RUL/EOL 预测基准。

2. IC2ML: Unified battery state-of-health, degradation trajectory and remaining useful life prediction via intra-cycle and inter-cycle enhanced machine learning

论文基本信息

纳入理由与原文证据

• 主题/边界： 联合预测 SOH、未来退化轨迹和 RUL，符合电池健康与寿命预测主题。RUL 是从退化轨迹及预期 SOH 水平派生，不应把其误差解释为独立 EOL 分类精度。
• 证据： 官方摘要报告 121 个电池、10 种工况的三项平均 RMSE；Highlights 另称覆盖三种材料。ScienceDirect 摘要

数据集/电池体系

• 体系/数据： 锂离子电池；官方摘要称 121 个电池、3 种材料、10 个运行工况。材料具体化学名称及各组数量未能从摘要页确认。
• 工况/跨域： 使用现场可提取的 0.1 V 采样电压数据；Highlights 提及可扩展至 100-cycle 轨迹预测。温度、倍率及按电芯/材料的训练测试分布未在摘要说明。

EOL/RUL/SOH 定义

• 目标/定义： SOH、退化轨迹和 RUL 联合预测；RUL 根据预测轨迹达到预期 SOH 水平推导。具体 SOH 目标、EOL 阈值、标签单位换算规则未说明。
• 未来信息风险： 关键检查项是输入窗口是否严格止于预测时点、轨迹标签是否与输入重叠、测试电芯是否完全隔离；摘要无法确认这些实现细节。

模型方法

• 流程： 1-D 电压时序用于 SOH；跨周期嵌入经 self-attention 预测退化轨迹，输出嵌入与 intra-/inter-cycle 输入通过 cross-attention 估计 RUL；另使用电压-容量二维图像表征健康信息。
• 部署： 0.1 V 采样被描述为现场可获取；延迟、算力、内存、采样频率及在线更新成本未报告。

验证设计

• 划分/泛化： 报告 121 个电池、3 种材料及 10 种工况，并进行少量历史数据敏感性分析；摘要没有给出按电芯划分、独立外部测试或基线细节。
• 可信度： 中；样本覆盖面是优势，但缺少划分协议与材料级测试结果，尚不能判断跨域泛化强度。

指标与结果

• SOH、退化轨迹、RUL 平均 RMSE 分别为 1.85%、2.36%、23.90 cycles；Highlights 报告 100-cycle 轨迹 RMSE 为 1.77%。均为论文摘要/Highlights 数值，未在本轮全文复核。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；需检查按电芯切分、序列窗边界及未来容量曲线是否进入特征。
• 复现性： 中；出版社称数据与代码已存放于 GitHub 仓库，本轮未核验版本、数据下载及可运行性。
• 局限性： 当前仅摘要级核验；具体化学体系、EOL阈值、测试拆分、外部验证及部署代价未确认。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 联合任务与采样要求有直接工程价值。下一步下载全文和代码，审查电芯隔离、SOH阈值、100-cycle 设置及 23.90-cycle RUL 误差的测试集构成。

3. Development of a Data-Driven Method for Online Battery Remaining-Useful-Life Prediction

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接研究锂离子电池 SOH 与 RUL 预测，输入为充电过程软测量健康指标，属于寿命预测而非单纯状态监测。
• 证据： 论文以 NASA 电池数据验证软测量与 GRU 滑窗的长期 RUL 预测；作者也指出真实用户的可变充电负载仍待验证。MDPI 全文

数据集/电池体系

• 体系/数据： NASA Li-ion 电池数据，全文图表涉及 Bat. 5、6、7、18；数据版本、完整样本量及额定容量未能从本次可读页面摘录确认。输入来自充电电压、电流与充电过程曲线。
• 工况/跨域： 以多个历史数据集和不同预测起点做实验；温度、倍率、SOC 窗口及外部电芯泛化设计未确认。

EOL/RUL/SOH 定义

• 目标/定义： 预测电池 RUL，并用间接 HI 表示功率退化；同时展示 SOH 估计。具体 EOL 容量阈值与标签生成规则在本轮未确认，不能默认采用 80%。
• 未来信息风险： 使用滑动窗口和不同起点预测；但正文摘录没有确认训练/测试是否按电芯或时间严格隔离，也未确认所有 HI 仅用预测时点前的数据生成。

模型方法

• 流程： 充电曲线 → soft-sensing 提取间接 HI → GRU NN 滑动窗口学习长期性能变化；用 dropout 和 early stopping 控制过拟合。
• 部署： 论文称面向在线 RUL，但未报告推理延迟、内存、处理器、采样率或部署测试，在线可用性仍是研究主张而非已验证结论。

验证设计

• 划分/泛化： NASA 数据上按不同起始点展示 SOH/RUL 结果；本轮可读内容未能确认独立留出电芯或跨工况外测。
• 可信度： 中低；可读全文但实验范围较小，且对 Bat. 18 的 SOH 估计误差明显较大，论文也承认需更多实测数据。

指标与结果

• 作者举例：Bat. 5 在 42-cycle ahead 时误差 2 cycles；Bat. 6 在起点 0.3 时 AE RUL 为 4 cycles、起点 0.5 时低估 5 cycles；Bat. 18 结果不稳定。这些是个例，不是统一测试集平均指标。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足至中；滑窗评估应确认相邻窗口是否跨训练/测试，且预测起点之后的数据没有参与 HI、归一化或早停。
• 复现性： 中低；NASA 数据可公开取得，但本轮未确认代码、完整超参数、随机种子和数据预处理脚本。
• 局限性： 电芯数少；Bat. 18 曲线差异造成较大误差；真实变负载充电及跨化学体系验证仍待完成。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 软测量从充电数据提取功率退化信息值得复现。下一步核对 NASA 数据版本、EOL 标注、按电芯/时间切分及相较容量 HI 的消融结果。

4. Battery SOH estimation and RUL prediction framework based on variable forgetting factor online sequential extreme learning machine and particle filter

论文基本信息

纳入理由与原文证据

• 主题/边界： 明确同时估计电池 SOH 和预测 RUL，属于直接健康/寿命预测。摘要未交代具体数据集和 EOL 标签，故只按摘要证据报告。
• 证据： 出版社摘要给出在线序贯 ELM 的 SOH 估计和粒子滤波的 RUL 预测，并报告 APR-3/APR-4 的 SOH 误差。ScienceDirect 摘要

数据集/电池体系

• 体系/数据： 出版社引言称锂离子电池；摘要提及 APR-3、APR-4 的 SOH 指标，但未解释它们是电芯、数据集还是工况，也未给样本数和化学体系。
• 工况/跨域： 作者报告噪声抗干扰及不同电压段特征比较；温度、倍率、SOC、训练/测试划分和跨电芯协议未能从摘要确认。

EOL/RUL/SOH 定义

• 目标/定义： VFOS-ELM 估计 SOH，PF 预测 RUL；SOH 的容量/阻抗定义、RUL 单位、EOL 阈值和预测起点未在摘要说明。
• 未来信息风险： 在线序贯算法需核对训练更新是否只消费当时可见数据；特征筛选、IWOA 调参与测试数据隔离情况未知。

模型方法

• 流程： ERT 排序与容量相关特征；IWOA-VFOS-ELM 在线估计 SOH，IWOA-PF 预测 RUL。改进 WOA 包含非线性下降、自适应权重和高斯变异。
• 部署： 摘要称 online SOH，但未给处理器、延迟、内存或功耗；不能据此判断 BMS 实时可部署性。

验证设计

• 划分/泛化： 与其他方法比较并做抗噪描述；摘要未提供测试电芯数、独立留出、跨工况外测或消融细节。
• 可信度： 信息不足；结论基于出版社摘要中的性能汇总，缺少可审查的实验拆分和基线设置。

指标与结果

• APR-3/APR-4 的 SOH MAE 均在 0.12% 以内、RMSE 在 0.15% 以内、IA 高于 99.9%。摘要称 IWOA-PF 相对 PF 的 RUL 准确度提升 7.143%、6.445%、15.094；最后一项的单位/对应场景未在可访问摘要标明，需查全文。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点核查 ERT 特征筛选和 IWOA 超参数优化是否只在训练集完成，以及序贯更新是否误用未来数据。
• 复现性： 低至信息不足；摘要未列代码、数据链接、超参数、随机种子或完整实验协议。
• 局限性： 数据集与标签来源不明；结果指标与场景对应关系不全；缺少外部验证和部署测量。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 在线 SOH 与 PF-RUL 组合值得参考，但摘要不足以复核数值。取得全文后优先核实 APR-3/4 定义、RUL 增益单位及按电芯的测试划分。

5. A flexible RUL prediction method based on poly-cell LSTM with applications to lithium battery data

论文基本信息

纳入理由与原文证据

• 主题/边界： 论文提出 poly-cell LSTM 用于产品退化 RUL，并用锂电池容量数据作示例，符合 RUL 预测主题；只按出版社预览证据纳入。
• 证据： 预览说明模型通过 hierarchical division unit 与 poly-cell unit 整合全局和局部退化趋势；没有把预览中未出现的性能数值当作事实。ScienceDirect 文章预览

数据集/电池体系

• 体系/数据： 文章预览确认应用于 lithium battery capacity data；具体数据集、化学体系、电芯数量及容量采集条件未能确认。
• 工况/跨域： 预览未给温度、倍率、SOC窗口、充放电协议或跨电芯/跨工况测试信息。

EOL/RUL/SOH 定义

• 目标/定义： 目标为 RUL 估计；摘要片段没有给出 EOL 阈值、RUL 单位或标签生成过程，不推定其为固定容量百分比。
• 未来信息风险： 需检查滑窗是否仅用预测起点前的退化信息，以及电芯级训练/测试是否隔离；当前预览不能回答。

模型方法

• 流程： 改进 LSTM（PCLSTM）增加 hierarchical division unit 与 poly-cell unit，根据输入特征重要度更新状态，以利用局部和全局退化信息。
• 部署： 作者称其可减轻计算负担，但本轮未取得运行时、内存、处理器或 BMS 部署测量，不能量化轻量化程度。

验证设计

• 划分/泛化： 有锂电池容量数据案例；样本规模、基线清单、划分方式与外部数据测试均未能从预览确认。
• 可信度： 信息不足；方法机制可确认，但实验协议与独立测试证据缺失。

指标与结果

• 可访问出版社摘要/预览没有给出可复核的电池测试集 RMSE、MAE 或 RUL 误差，本报告不列检索摘要之外的数字。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查同一电芯窗口泄漏、全寿命归一化以及超参数是否接触测试电芯。
• 复现性： 信息不足；未确认代码、数据公开链接、随机种子或完整超参数。
• 局限性： 仅有文章预览；电池体系、规模、划分及指标均未知；“降低计算负担”尚无部署资源数据支撑。

是否值得跟进

• 结论： 观望。
• 理由与下一步： poly-cell 结构可作为时序基线，但当前证据不足以判断精度。下一步取得全文，抽取数据切分、EOL 标签、RMSE/MAE 与计算成本再决定是否复现。