2026.11.07 · 电池研究日报

电池寿命预测论文每日监测报告（2026-11-07）

今日结论

• 新增与补报： 正式收录 8 篇：papers[] 的 5 篇中，3 篇在本日首次发现、2 篇为旧积压；另从低分复核队列提升 3 篇（1 篇RUL综述、1篇RUL估计、1篇铅酸电池SOH评估）。5篇自动阈值候选全部纳入；复核队列5篇中3篇纳入、2篇明确排除。证据等级：全文级 / 摘要级 / 元数据级 / 线索级 = 1 / 6 / 1 / 0。payload.new_count=5是本轮papers[]入选数量，其中含积压名额，不等于当天首次发现数。
• 最值得跟进： ① Ling 等的跨工况RUL元学习论文：摘要报告MIT与XJTU两个数据集的跨工况结果，下一步核验全文中的标签生成和少样本支持集/测试集隔离；② Gao 的SOH综述及基准：全文展示随机切分与时间外推/按电芯留出的巨大差异，下一步核对附录、代码和可复现配置；③ Siekierski 等的现场VRLA研究：铅酸体系、真实退役电池的低温容量与EIS诊断有运维价值，下一步追踪第二部分/前瞻性健康判据。
• 总体判断： 本轮既有早期Bayesian/RUL方法积压补报，也有新近跨工况预测和验证协议研究。最有用的共同信息不是网络结构，而是预测标签、工况变化与测试划分必须分清；Gao全文的CALCE单数据集实验具体显示随机切分会过度乐观。VRLA卡片属于SOH状态评估而非未来寿命预测，因任务明确命中SOH且体系扩展到铅酸而纳入，并标出这一边界。
• 质量提醒： 新候选均未取得完整全文；Gao论文成功读取出版社PDF全文。2015年Bayesian论文CALCE条目列2015-01-30、Crossref/出版社期刊卷期列2015-05，报告保留两种日期口径；植入式电池论文DOI创建日与2018年印刷期不同。Wiley新论文PDF抓取失败，仅按Crossref摘要分析；Results in Engineering综述仅有Crossref书目元数据，列为元数据级并明确未知项。低分复核中两篇已依据主题边界记为排除。
• 检索规模： 发现记录 563 / 去重后记录 376 / 重复记录 187 / 保留题录 240 / 过滤条目 136。前两项发现次数与去重题录、过滤噪声为不同口径；OpenAlex与Crossref为相关性排序样本，不代表穷尽覆盖。

论文总览

单篇论文分析

1. A Bayesian approach for Li-Ion battery capacity fade modeling and cycles to failure prognostics

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容量衰减及达到失效终点的循环数分布，符合容量/退化轨迹和EOL寿命预测范围；不是只报告循环稳定性的材料工作。
• 证据： CALCE摘要说明模型考虑“同一电池内及电池之间的差异”，并将物理协变量纳入容量衰减函数；另一项摘要结论指出可量化容量/功率衰减及失效循环分布的不确定性。CALCE摘要

数据集/电池体系

• 体系/数据： 锂离子电池。摘要指出容量以Ah按充放电循环变化，并提及放电倍率、使用/储存温度及电芯和电池包制造差异；具体化学体系、样本数、电芯型号、数据公开地址和输入信号均未说明，不能据此指定NASA或其他数据集。
• 工况/跨域： 方法拟用于不同运行条件；摘要未给出具体倍率、温度水平、留出电芯数或跨化学体系实验。

EOL/RUL/SOH 定义

• 目标/定义： 目标包括容量/功率衰减预测及达到失效终点的循环数分布。摘要没有给出EOL容量阈值、RUL单位以外的标签构造细节或功率失效判据，未套用常见80%阈值。
• 未来信息风险： 作者提出预后数据筛选策略，但摘要未说明预测起点、截断曲线长度、删失样本处理及训练数据是否含终点后的信息；需全文核对。

模型方法

• 流程： 基于容量衰减函数与物理协变量构造Bayesian模型，显式考虑within-battery及between-battery差异，输出容量/功率衰减与cycles-to-failure分布。摘要提到协变量识别、模型选择和预后数据选择；具体先验、分布假设、对照模型及消融未说明。
• 部署： 在线更新方式、传感器输入、计算量和延迟未能确认。

验证设计

• 划分/泛化： 摘要称覆盖不同运行条件，但未说明按电芯/批次/时间划分、独立测试集或外部数据验证。
• 可信度： 信息不足；方法目标和不确定性建模明确，但无法从可获取摘要判定数据划分是否支撑跨电池泛化。

指标与结果

• 摘要没有给出MAE、RMSE、区间覆盖率或具体测试集数值；仅报告可预测容量/功率衰减，并估计EOL循环失效分布及其不确定性。不能把引用数或脚本分数当作实验结果。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；优先核验预后窗口和不同电芯的训练/测试隔离，尤其是筛选历史曲线时是否使用了完整寿命信息。
• 复现性： 低/信息不足；未取得全文，公开数据、代码、模型参数、随机种子和先验均未确认。
• 局限性： 当前只可据摘要确认研究目标与方法家族；工况和样本规模未知；日期口径存在在线/印刷差异；完整验证结果需获取全文后补录。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 该Bayesian随机效应与不确定性预测思路适合作为早期寿命分布方法基线。先获取CALCE联盟全文或出版社授权版本，再核对数据、EOL阈值及外部验证；在这些字段确认前不做数值对比。

2. A naive Bayes model for robust remaining useful life prediction of lithium-ion battery

论文基本信息

纳入理由与原文证据

• 主题/边界： 研究锂离子电池RUL至EOL预测，且比较环境和放电工况变化下的稳健性，是直接寿命预测论文。
• 证据： 出版社摘要明确研究不同环境温度、放电电流和恒定放电条件下的RUL；正文片段明确本文EOL定义为额定容量的70%，并以Naive Bayes预测循环数。ScienceDirect摘要

数据集/电池体系

• 体系/数据： NASA Ames锂离子循环寿命测试数据；出版社片段确认使用18,650尺寸电芯，包含充电、放电和阻抗测试。具体电芯数、化学配方以及有效样本周期数未能从现有摘要片段完整确认。
• 工况/跨域： 核心分析涉及不同环境温度和放电电流，并指出恒定放电环境下的稳健性；工况的全部数值、每种温度/电流对应的电芯数和是否有独立外部数据未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 文中将RUL视为至EOL的剩余循环数，EOL设为容量降至额定容量70%；这是本文设定，不推广到其他电池或应用。
• 未来信息风险： 出版社摘要讨论同一电池寿命过程中的预测，但可访问片段未展示每个预测点如何截断、是否只用历史容量、或训练样本是否与测试电芯隔离。若按相邻循环随机拆分，可能高估泛化，需核对原文实验协议。

模型方法

• 流程： 以实际循环寿命数作为响应量，Naive Bayes对观测进行概率分类/预测；摘要称其可在不同恒定放电环境下作RUL预测，并与SVM比较。类别离散化、特征定义、先验与后验更新细节未从可获取摘要中核实。
• 部署： 在线估计主张见标题/摘要，但传感器需求、更新时间和计算资源没有可确认数字。

验证设计

• 划分/泛化： 出版社Highlights显示评估了同一电池寿命过程和不同工况；不同温度/电流的迁移是否采用完全留出工况或仅条件内评估，当前摘要未说明。
• 可信度： 中等偏低；NASA公开测试数据和明确EOL阈值是优点，但工况留出与电芯隔离细节未取得。

指标与结果

• 摘要报告Naive Bayes在恒定放电条件下取得稳定、与SVM相比有竞争力的预测表现；没有提供误差指标、区间、测试集数量或具体数值，故不补写结果数字。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；必须检查同一电芯相邻循环是否跨训练/测试，以及不同温度/电流是否真正留作测试。
• 复现性： 中/信息不足；NASA Ames原始数据可公开获取，但该论文特征、训练窗口、Naive Bayes离散化和代码状态未能确认。
• 局限性： EOL 70%为特定设定；摘要不足以判断跨化学体系适用性；PDF付费限制了对统计显著性和完整基线的复核。

是否值得跟进

• 结论： 跟进（积压补报）。
• 理由与下一步： 这是早期工况鲁棒RUL研究，可与现代跨工况模型对照。建议取出版社全文复核训练/测试隔离及实际误差，再考虑用NASA数据复现；本报告不把“稳定、competitive”扩写成未经核对的精度结论。

3. Remaining useful life assessment of lithium-ion batteries in implantable medical devices

论文基本信息

纳入理由与原文证据

• 主题/边界： 研究植入式医疗器械锂离子电池的在线RUL评估，属于直接寿命预测；特殊设备场景并不改变其电池寿命预测目标。
• 证据： 出版社摘要说明该研究在植入式医疗设备背景下采用混合数据驱动/模型方法进行锂离子电池在线RUL评估。ScienceDirect摘要

数据集/电池体系

• 体系/数据： 锂离子电池，应用于植入式医疗设备。当前可核验摘要没有交代电芯化学体系、厂商、标称容量、样本数、公开数据地址或真实设备与台架数据比例，以上均留空不推断。
• 工况/跨域： “在线评估”是摘要可确认的场景；负载曲线、充放电策略、温度变化、设备间迁移与跨电芯验证均未能确认。

EOL/RUL/SOH 定义

• 目标/定义： RUL评估是明确输出目标；寿命终点阈值、RUL单位是否以循环或时间表达、以及标签生成方法未能从出版社摘要确认。不能把其他植入式电池文章中常见的容量阈值套用到本研究。
• 未来信息风险： 在线预测必须以预测时点之前的观测为输入，但截断策略、是否使用完整放电曲线、滤波/平滑是否使用未来样本等均未知，故不能判断是否存在未来信息泄漏。

模型方法

• 流程： 摘要仅确认“混合数据驱动/模型”用于在线RUL评估；未确认具体模型、物理状态量、输入特征、更新策略、对照或消融。不得从标题或相近团队后续研究推断其算法细节。
• 部署： 医疗植入场景暗示部署约束，但实际处理器、功耗、实时延迟和设备端实现没有证据，均为未能确认。

验证设计

• 划分/泛化： 已确认是一项面向植入式医疗设备电池的预后研究；实验样本来源、按电池或设备划分、时间外推、外部验证及盲测安排未能确认。
• 可信度： 信息不足；目标明确且发表于核心电池期刊，但全文不可访问使验证质量不能仅凭期刊声誉判定。

指标与结果

• 当前可读取的摘要片段没有公开误差、置信区间、预测提前量或测试样本规模。仅记录任务和方法类别，不补造性能数字，也不将引用数作为效果指标。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；应重点核查在线预测时是否严格仅使用既往观测，以及训练集与测试设备是否隔离。
• 复现性： 信息不足；数据开放状态、算法参数、代码、传感器和临床/工程设备记录均未确认。
• 局限性： 目前只有出版社摘要片段；终点定义及部署证据缺失；结论能否推广到其他植入设备电池或常规EV电池尚不清楚。

是否值得跟进

• 结论： 跟进（积压补报）。
• 理由与下一步： 植入式设备具有不同于EV的负载与维护要求，适合作为应用差异案例。下一步获取出版社全文，优先抽取EOL定义、在线输入窗口、按设备划分的验证和安全余量；若无法取得全文，应将比较结论保持为摘要级。

4. A Review of State-of-Health Estimation and Prediction Methods for Lithium-Ion Traction Batteries in Vehicular Applications: Task Definition, Benchmark Evaluation, and Deployment Challenges

论文基本信息

纳入理由与原文证据

• 主题/边界： 这是一篇综述并含独立基准实验，清楚区分SOH估计、SOH未来轨迹预测和RUL预测，且用电池老化数据评估不同切分协议；不是仅讨论一般BMS硬件。
• 证据： 出版社全文说明实验以CALCE CS2六只电芯比较随机切分、时间外推和按电芯留出；随机切分MAE为0.0061–0.0150，而时间外推升至0.0204–0.1392。全文PDF

数据集/电池体系

• 体系/数据： CALCE CS2，六只18650电芯（CS2_33至CS2_38），额定容量1.1 Ah、室温约0.5C；完整充电特征筛选后4,908个样本，每只711–932个有效周期，SOH标签范围0.50–1.12。输入含12个标量充电特征及64维重采样充电曲线；另测试4.0 V截断窗口，保留4,692样本。
• 工况/跨域： 主实验为单数据集、单倍率、室温；作者明示完整受控充电与真实车辆中断充电不同，不能据此声称已验证车载部署。

EOL/RUL/SOH 定义

• 目标/定义： 综述将SOH估计定义为当前循环容量校准值，将SOH预测定义为未来循环SOH序列，将RUL定义为达到EOL前剩余循环数。本文控制实验的标签是单循环放电容量/首循环容量比，属于SOH估计基准；它并未用该实验直接验证RUL预测。文章要求SOH预测与RUL使用时间外推。
• 未来信息风险： 作者指出随机打乱相邻周期会使同一电芯样本同时出现在训练与测试中，只能测插值；时间外推按每只电芯前70%训练、后30%测试，按电芯留出则每折5只训练、1只测试。

模型方法

• 流程： 对照支持向量回归、高斯过程回归、随机森林、浅层神经网络、1D-CNN和LSTM；后两类以充电曲线序列与标量特征联合建模。模型结构和超参数在全文列出；方法综述部分另按建模机制归纳多类方法。训练集统计量用于标准化，测试集未用于调参。
• 部署： 讨论车载输入可用性、跨域验证、不确定性和边缘计算；实验特征仍需较完整充电曲线，不等同于实车可部署方案。

验证设计

• 划分/泛化： 随机8:2（seed 42）、每芯前70%训练后30%测试、六折整芯留出；每种协议三次模型随机种子。样本量只有六只电芯，作者明确承认没有重复随机划分/重复留出。
• 可信度： 中等；训练/测试规则清楚，且揭示随机划分过度乐观；但单数据集单倍率、少电芯和受控充电限制外推范围。

指标与结果

• MAE以SOH比值计：随机切分0.0061–0.0150，时间外推0.0204–0.1392，按电芯留出0.0254–0.0378；按电芯留出MAPE为2.97%–4.35%、R²为0.858–0.940。时间外推下浅层NN、1D-CNN、LSTM的均值R²分别为−58.0、−1.54、−6.41，说明同设置下模型对时间外推很脆弱；不把不同协议的标准差直接横比。

泄漏风险、复现性与局限性

• 泄漏风险： 随机切分明确存在周期级训练/测试混合风险；该结果仅可作插值基准。论文按训练集拟合标准化并声明未用测试集调参，仍需检查公开脚本能否复现完整预处理。
• 复现性： 中；数据集公开，文中给出样本筛选、协议、seed和主要模型参数；当前未确认作者代码仓库或原始逐折预测。
• 局限性： 单数据集六电芯、单倍率室温；完整充电输入不代表车载不完整片段；除浅层网络内部验证外无独立验证集，且没有重复拆分。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 论文给出可操作的泄漏检查基准，并报告协议改变模型排名。建议复核PDF表格/附录和代码，再用不同电芯、温度、倍率及随机中断充电数据复现；将时间外推与整芯留出作为最小验收协议。

5. Physics-Informed Meta-Learning With Graph Attention for Lithium-Ion Battery Remaining Useful Life Prediction

论文基本信息

纳入理由与原文证据

• 主题/边界： 标题与出版社登记摘要均明确以锂离子电池RUL为预测输出，并针对跨工况迁移，符合直接寿命预测范围。
• 证据： Crossref摘要说明模型在两个公开LIB数据集做跨循环和跨工况预测，并报告MIT、XJTU上的跨工况MAPE。Crossref摘要

数据集/电池体系

• 体系/数据： 锂离子电池；摘要称MIT和XJTU两个公开LIB数据集。具体电芯/化学体系、样本数、训练工况范围、数据版本和原始输入通道未能从摘要确认。
• 工况/跨域： 包含cross-cycle与cross-condition评估；目标域观察量有限，摘要称支持少样本适配，但未说明目标域可见样本如何与最终测试集隔离。

EOL/RUL/SOH 定义

• 目标/定义： 目标为RUL，摘要未说明EOL阈值、标签单位、剩余周期的计算方式或删失处理；不可默认80%容量阈值。
• 未来信息风险： 元学习需要目标域样本适配；应检查这些样本是否严格来自预测时点之前，以及跨循环切分是否避免相邻cycle信息泄漏。摘要未给出该协议细节。

模型方法

• 流程： Physics-informed meta-graph attention network (PIMGAN)以多尺度图注意力结合自适应双向时序卷积提取异构测量关联；物理引导调节器在隐空间学习非线性微分算子并将残差作正则；一阶元学习学习跨退化任务可迁移初始化，适配未见工况。具体损失系数、图构造和基线/消融全文未核实。
• 部署： 摘要未给边缘计算延迟、存储、功耗或在线设备测试，不能声称已部署。

验证设计

• 划分/泛化： Cross-cycle与cross-condition两个设置、两个公开数据集；摘要没有说明按电芯/工况的划分单位、重复次数、外部数据或置信区间。
• 可信度： 中等偏低；跨工况方向明确且使用两个数据集，但仅摘要可读，少样本适配协议和结果统计仍需全文核验。

指标与结果

• 摘要报告跨工况MAPE：MIT 0.267%，XJTU 0.336%。未提供各数据集具体测试集、基线差值或方差；这些很低的数值需从全文确认量纲与计算方式后再比较，不与SOH误差混用。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足，重点审查元训练任务和目标域support/query划分、双向时序卷积是否只对历史窗口运行、预处理统计是否仅由训练数据拟合。
• 复现性： 低/信息不足；数据集公开，但代码、图结构、超参数、任务抽样和随机种子未确认，PDF抓取失败。
• 局限性： 公开数据结果未说明面向现场BMS；目标域few-shot可用信息可能构成部署成本；量化结果和RUL标签定义需全文复核。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 物理约束与元学习结合面向工况变化，方向贴近寿命迁移问题。优先从Wiley获取正式PDF，复算MAPE并核对EOL/训练任务划分；拿到全文前暂不把摘要数字当作稳健泛化证据。

6. A Systematic Review of Battery Digital Twins for Thermal Safety, State Estimation, and Remaining Useful Life Prediction towards Predictive Maintenance

论文基本信息

纳入理由与原文证据

• 主题/边界： 题名明确是电池数字孪生的系统综述，覆盖状态估计及剩余寿命预测，符合寿命预测综述范围；由于仅能看到书目元数据，纳入只表示主题匹配，不代表已验证综述质量。
• 证据： Crossref记录的题名明确包含“Remaining Useful Life Prediction”，DOI与Results in Engineering记录相符。Crossref记录

数据集/电池体系

• 体系/数据： 题名仅确认“电池数字孪生”；锂离子或其他化学体系、纳入研究数、公开数据集及样本均未能确认。
• 工况/跨域： 题名覆盖热安全、状态估计和预测性维护，但具体温度、倍率、车辆/储能场景及跨域证据未知。

EOL/RUL/SOH 定义

• 目标/定义： 综述题名指向RUL预测；EOL定义、剩余寿命单位、是否包含SOH轨迹预测或只综述数字孪生维护应用均未能确认。
• 未来信息风险： 未取得摘要/全文，无法判断其是否讨论基于未来数据的标签、在线预测窗口或评估泄漏；不据题名推断结论。

模型方法

• 流程： 题名表明对象为battery digital twins；综述检索策略、系统架构分类、状态估计算法、RUL模型及比较方法均未能确认。本文不把“数字孪生”一词当作已验证的具体模型。
• 部署： 未能确认实时更新、边缘部署、通信链路或现场运行证据。

验证设计

• 划分/泛化： 系统综述的检索库、时间范围、筛选流程、质量评价和纳入排除数尚不可得。
• 可信度： 信息不足；题名和Crossref书目可验证，方法学与综述结论无法核查。

指标与结果

• 未能确认综述是否提供任何汇总数值、RUL误差或现场部署指标；不写推测结果。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；无法审核综述的研究选择偏差，也无法检查所总结的预测工作是否使用时间/电芯隔离。
• 复现性： 低/信息不足；搜索式、筛选记录、数据提取表和代码均未取得。
• 局限性： 只有题录级证据；出版日精度和作者机构未完整确认；任何关于综述结论、数字孪生性能的判断都需全文后补。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 主题明确但当前证据只够确认题目与出版记录。获取出版社全文后核对系统综述流程及RUL章节；如果全文无法取得，保留在元数据级，不将其作为方法或效果证据。

7. Digital twin of a battery for traction rolling stock and substations: remaining useful life estimation based on a dual Kalman filter

论文基本信息

纳入理由与原文证据

• 主题/边界： 研究铁路牵引车辆与变电站电池数字孪生，直接输出remaining capacity及RUL，属于非EV应用但明确的电池寿命估计。
• 证据： 出版社摘要称以双Kalman滤波结合Thevenin等效电路与SoC估计，并用15串联锂电池实验数据验证。出版社摘要

数据集/电池体系

• 体系/数据： 一组15节串联锂离子电池，测量电流、电压和温度；作者称验证基于实验测量数据及标准控制/监测系统数据。单体型号、容量、样本总时长和公开数据地址未能从摘要确认。
• 工况/跨域： 铁路牵引车辆与牵引变电站为目标应用；环境温度、负载循环、不同列车/站点数量和跨工况迁移未说明。

EOL/RUL/SOH 定义

• 目标/定义： 估计剩余容量与RUL；摘要未说明EOL阈值、RUL单位、标签标注及容量衰减终止条件。
• 未来信息风险： 在线数字孪生以实时测量为依据，但摘要未说明双滤波是否因平滑步骤使用未来样本、训练/初始化是否利用整段寿命数据，须取全文复核。

模型方法

• 流程： 电流/电压/温度与混合SoC估计进入双Kalman滤波器，联合估计Thevenin等效电路参数和SoC，再推算剩余容量/RUL；采用自适应遗忘因子。摘要未提供滤波器状态方程、参数约束或与单滤波基线的比较。
• 部署： 面向技术状态监测系统的建议有明确应用背景，但未报告车载硬件、运算延迟或在线试运行。

验证设计

• 划分/泛化： 对照实验测量数据与标准监控系统数据；是否独立测试、跨电池组验证、按时间外推及参照真值的标定方式未说明。
• 可信度： 中低；来源为出版社摘要且目标匹配，但RUL验证指标和外部泛化范围不足。

指标与结果

• 摘要报告SoC估计MAPE低于1.5%、电压估计MAPE低于0.5%；这是SoC/电压结果，不是RUL误差。RUL与剩余容量仅称与相似充放电研究结果一致，未提供RUL数值指标。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；核查状态估计使用滤波还是双向平滑、RUL验证是否使用完整寿命轨迹、实验数据与标准监控数据是否有重叠。
• 复现性： 低/信息不足；基本模型名和传感器已公开，但数据、状态方程、参数和代码未能确认。
• 局限性： 仅15串联电芯的锂电场景；摘要无EOL阈值与RUL误差；未证明对真实铁路车队不同温度/工况的迁移性。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 双Kalman/等效电路方案是值得关注的模型驱动对照。先取得PDF并核实RUL标签与基准，再判断其是否适合与数据驱动模型比较；仅凭SoC和电压误差不评价RUL质量。

8. Industrial Ageing of Field-Deployed Lead–Acid Batteries I—A Case Study of Post-Industrial VRLA Batteries

论文基本信息

纳入理由与原文证据

• 主题/边界： 该研究明确量化现场VRLA电池的SoH与容量衰退，不限于锂电，因此按用户的跨电化学电池范围纳入。它是状态评估/故障诊断，不是未来EOL/RUL预测；总览中已标明任务边界。
• 证据： MDPI摘要报告12只服役5年的12 V VRLA电池，经容量、OCV和EIS测试；多只OCV看似正常但放电容量仅保留额定值的10%–30%。MDPI全文

数据集/电池体系

• 体系/数据： 12只现场退役的12 V阀控铅酸电池，来自6种商业型号，在中压电网管理设备服役约5年后取样；不是新制样电芯或合成数据。
• 工况/跨域： 进行温度相关容量测试、开路电压测量和电化学阻抗谱；低温测试包含−25°C。单型号数量、历史充放电曲线和各设备长期温度/负载暴露存在资料缺失，难以分离服役史差异。

EOL/RUL/SOH 定义

• 目标/定义： 直接目标是现场退役电池SOH诊断和可用容量判断，不预测未来RUL；文章提及约75% SOH作为工业常见退役标识的图示背景，但不应将其当作本文统一标签或本研究预测EOL阈值。
• 未来信息风险： 没有前瞻预测模型，故传统未来标签泄漏不是主问题；应关注事后挑选退役电池造成的幸存者/选择偏差，以及不同电池服役履历不可比。

模型方法

• 流程： 对现场电池开展温度依赖容量测试，结合OCV与EIS诊断；作者指出仅靠端电压可能高估备用容量，建议快速阻抗/内阻筛查与周期性基准容量测试结合。没有机器学习模型、SOH回归器或RUL输出。
• 部署： 结论针对分布式工业备用电源的监测和更换判据；未报告在线算法、设备延迟或预测维护系统实测。

验证设计

• 划分/泛化： 单次现场取样、12只电池、六种型号；未采用训练/测试拆分。测试方法针对诊断有效性，不能当作跨设备预测验证。
• 可信度： 中；多种物理测量与现场样本互相补充，但样本小、历史记录不完整且无独立前瞻队列。

指标与结果

• −25°C下所有测试类型的放电容量均未超过额定容量30%；一些OCV约13.2–13.3 V的电池，实际放电容量仅额定值10%–30%。这些是样本观测，不是总体发生率或未来寿命精度。

泄漏风险、复现性与局限性

• 泄漏风险： 不适用通常的训练/测试泄漏；主要风险为退役后抽样、服务史不完整及样本型号/环境混杂。
• 复现性： 中；文章公开测试流程及EIS参数，原始个体数据/代码开放状态未能确认。
• 局限性： 铅酸VRLA单一应用（电网备用）；仅12只现场样本；状态诊断结果不能转换为RUL预测或全行业故障概率。

是否值得跟进

• 结论： 跟进（SOH诊断背景）。
• 理由与下一步： 该研究补足锂电之外的现场SOH证据，尤其提醒OCV单指标不足。建议关注同系列后续部分、核对逐电池数据并寻找加入服务时长/温度后预测剩余备用时间的研究；本篇本身不作为寿命预测模型基准。