2026.11.10 · 电池研究日报

电池寿命预测论文每日监测报告（2026-11-10）

今日结论

• 最值得跟进： Kröger 等的部分机器学习 EOL 测试流程直接量化减少循环测试的比例，建议优先核实三组老化研究及其电芯外推；Zhang 等的 GMM-LME-MP 针对组内/组间异质性，建议获取全文确认在线更新与分组验证；Cui 等把 knee point 纳入 cycle-life 联合预测，建议复核测试集隔离和外部泛化。
• 总体判断： 本轮同时覆盖低成本测试设计、分群贝叶斯退化模型、混合物理/滤波模型及早期深度学习预测。可直接比较的独立测试证据有限：部分论文仅有摘要，全文论文也主要使用公开老化集；容量预测误差不能直接等同于 RUL 周期误差。实际研究价值较高的是信息利用和验证划分，而非单纯增加网络模块。
• 质量提醒： ①第一篇仅核实到题录和出版社预览目录，数据、目标阈值、实验数值均未确认；②Energy 2019 摘要中 SOH 短期预测“少于 18 cycles”与 RMSE 描述的对应关系含混；③Scientific Reports 2025 论文用 70% 容量阈值，且 VMD 是否只作用于可用前缀需核验；④Symmetry 2025 的作者标注通讯作者但抓取页面未显示姓名，数据仅可向通讯作者索取。
• 检索规模： 发现记录 561 / 去重后记录 377 / 重复记录 184 / 保留题录 243 / 过滤条目 134。原始发现次数、去重题录、重复记录、保留题录及去重后过滤噪声是不同口径；API 为 ranked_sample，不代表穷尽全部文献。

论文总览

单篇论文分析

1. Remaining useful life prediction of lithium-ion batteries based on data denoising and improved transformer

论文基本信息

纳入理由与原文证据

• 主题/边界： 题名直接针对锂离子电池剩余寿命预测，符合 RUL 监测范围。出版社预览目录列出 CEEMDAN 与 RUL prediction 方法章节，但现有页面不足以核实算法实现细节。
• 证据： Crossref 确认期刊论文题录与卷号；出版社预览确认论文主题和章节结构：ScienceDirect 预览。

数据集/电池体系

• 体系/数据： 锂离子电池；摘要、数据集和样本规模未能确认。不能依据参考文献推定使用 NASA 或其他公开集。
• 工况/跨域： 温度、充放电协议、倍率、SOC 覆盖及跨电芯/跨化学体系验证均未说明。

EOL/RUL/SOH 定义

• 目标/定义： 题名确认 RUL 预测；EOL 容量阈值、剩余周期标签生成与预测起点未能确认。
• 未来信息风险： 未获得实验章节，无法判断分解/去噪是否使用全寿命曲线、是否按电芯隔离或是否有测试集调参。

模型方法

• 流程： 题名描述数据去噪与改进 Transformer；出版社目录出现 CEEMDAN 章节，具体噪声处理流程、Transformer 变体和 baseline 未能确认。
• 部署： 传感器输入、推理延迟、在线更新和算力未说明。

验证设计

• 划分/泛化： 数据集、训练/验证/测试划分、独立电芯测试均未能确认。
• 可信度： 信息不足；当前证据只足以确认论文身份与 RUL 主题。
• 额外检查： 预览目录虽有 Datasets/Conclusion 章节，无法核对实际数据集、训练测试分布、消融是否同一切分或超参选择是否触及测试集。

指标与结果

• 摘要与实验数字未能取得；不报告脚本评分为实验性能，也不推测误差指标。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点待查分解是否在划分前拟合、测试电芯是否参与归一化或模型选择。
• 复现性： 低；数据、代码、超参、随机种子均未能确认。
• 局限性： 目前无法审核样本代表性、指标基线和不确定性；出版社预览不等于全文证据；在线发表日期未确认。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 题目相关且期刊匹配，但当前缺少摘要和实验细节。下一步取得出版社全文或作者稿，核实数据集、阈值、划分及与简单基线的比较后再评估。

2. Increasing the efficiency of li-ion battery cycle life testing with a partial-machine learning based end of life prediction

论文基本信息

纳入理由与原文证据

• 主题/边界： 研究用早期循环特征预测 EOL，目的是让部分电芯提前停止昂贵的物理循环测试，直接覆盖 EOL 与试验效率。
• 证据： 摘要报告 Kennard–Stone 依据初期老化特征选择代表电芯，并以三项老化研究和四种预测器验证：TUM 摘要与题录。

数据集/电池体系

• 体系/数据： 三个不同老化研究；特征含容量、内阻及增量容量。各研究的化学体系、样本数、批次与公开数据链接在摘要中未能确认。
• 工况/跨域： 摘要称覆盖不同环境与运行条件；明确比较了不同老化研究，但温度、倍率、SOC 窗口和逐研究样本量未说明。

EOL/RUL/SOH 定义

• 目标/定义： 预测 EOL，用于代替被选中子集电芯的完整实测结果；阈值及 RUL 单位未说明，不能假设 80% 容量阈值。
• 未来信息风险： 流程以初始循环特征挑选停止测试的电芯；摘要未披露停止时点、特征窗口与训练/测试隔离规则，需确认选择算法只使用当时可得数据。

模型方法

• 流程： 提取早期容量/内阻/增量容量特征 → Kennard–Stone 选择覆盖训练分布的物理测试子集 → 四种机器学习预测器替代其余电芯的 EOL 实测值；另设基于训练集距离的停止阈值。
• 部署： 面向实验室循环测试降本；在线车载部署、延迟与运算成本未涉及。

验证设计

• 划分/泛化： 三组老化研究、四种预测器，并与随机选取子集比较；不同研究间泛化有初步证据。摘要未给出按电芯划分、重复次数或置信区间。
• 可信度： 中；多研究验证与随机子集对照是优点，独立划分和研究间迁移细节仍待全文审核。

指标与结果

• 三个研究中，方法报告可停止 30%–75% 的电芯循环，同时 EOL 预测 MAPE <10%。该数值是摘要汇总范围，未按研究/预测器给出明细。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；核验代表子集选择与预测评估是否严格分开，避免用待预测电芯的后续循环数据参与特征或停止阈值选择。
• 复现性： 中低；特征类别和 Kennard–Stone 已披露，三组数据、完整参数与代码未能确认。
• 局限性： 摘要缺各组样本数/化学体系；MAPE 的分组分布与误差区间未说明；不等于已验证车载在线 EOL。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 若在独立老化批次仍可省去 30%–75% 的循环测试，具有直接工程价值。下一步获取全文，检查子集选择/测试集隔离，并复现与随机选择的公平对照。

3. A Bayesian method for capacity degradation prediction of lithium-ion battery considering both within and cross group heterogeneity

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容量退化轨迹，摘要称用于目标电池的退化预测；虽非直接 RUL 输出，属于容量/健康轨迹预测。
• 证据： 摘要说明 GMM 先将电芯分组，再用带混合先验的线性混合效应模型表征组内及组间差异，并在 NASA 随机循环数据上与基线比较：IDEAS/RePEc 摘要。

数据集/电池体系

• 体系/数据： NASA 数据库的锂离子电池随机循环数据；电芯型号、样本数、具体工况与可下载文件在摘要中未说明。
• 工况/跨域： 摘要的“随机循环”支持工况差异建模，但跨化学体系、温度、倍率及按批次覆盖未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 以容量退化路径及目标电芯容量预测为主；SOH 公式、EOL 阈值、RUL 标签均未说明。
• 未来信息风险： 摘要称 GMM 离线确定训练集分组及成员；需确认测试电芯归属是否仅用当时可得数据，避免测试期容量参与聚类或先验拟合。

模型方法

• 流程： 离线 GMM 估计组数与训练电芯组别 → 每组内建立 LME → 混合先验 LME-MP / GMM-LME-MP 贝叶斯推断 → 结合历史及目标电芯观测预测容量轨迹；基线包括其他退化预测方法，但名称未从摘要核实。
• 部署： 贝叶斯在线更新细节、计算开销和实时性未说明。

验证设计

• 划分/泛化： NASA 随机循环数据上与多个基线比较；摘要没有披露训练/测试电芯划分、外部数据或按组留出方案。
• 可信度： 中低；模型明确针对异质性，但独立电芯与跨组泛化证据无法从摘要验证。

指标与结果

• 摘要只称准确性及优越性经比较验证，未给 RMSE/MAE、误差区间或数值结果；因此不摘录定量结论。

泄漏风险、复现性与局限性

• 泄漏风险： 中；主要检查 GMM/混合先验是否仅在训练集拟合，以及测试电芯是否用完整轨迹分组。
• 复现性： 信息不足；NASA 原始数据可获得性较好，但本文预处理、超参、代码与先验设定未确认。
• 局限性： 目前只核验摘要；电芯数量、独立测试策略、分组稳定性及概率校准均未知。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 显式区分组内/组间异质性可能改善跨工况容量预测。下一步取得全文，复核组数选择、训练/测试隔离、预测区间覆盖率与基线公平性。

4. Degradation model and cycle life prediction for lithium-ion battery used in hybrid energy storage system

论文基本信息

纳入理由与原文证据

• 主题/边界： 以容量退化机理模型预测电池健康与循环寿命，涉及 SOH 短期预测和 RUL，虽置于混合储能应用背景，核心仍是电池寿命预测。
• 证据： 摘要说明模型考虑循环电流影响，并用恒流与动态电流测试验证：IAEA-INIS 记录。

数据集/电池体系

• 体系/数据： 锂离子电池；循环测试含恒定和动态电流。摘要未披露电芯化学体系、品牌、数量或完整试验协议。
• 工况/跨域： 有电流工况变化；温度、倍率范围、SOC 窗口和跨电芯/批次覆盖未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 预测容量退化、SOH 及 cycle life/RUL；摘要未列 EOL 容量阈值、RUL 起点和标签生成规则。
• 未来信息风险： 需检查粒子滤波更新是否仅用历史观测，以及动态电流未知场景的基线是否与预测场景隔离；摘要未说明完整数据切分。

模型方法

• 流程： 基于容量衰减电化学机理建立退化模型 → GA 初始化参数 → 粒子滤波追踪参数与状态 → 分别进行短期和长期健康预测；对循环电流未知情形另做基线预测。
• 部署： 在线参数/状态跟踪作为设计目标；实际部署时延与计算资源未说明。

验证设计

• 划分/泛化： 恒流和动态电流循环测试；没有可核实的电芯数、留出策略或外部数据描述。
• 可信度： 信息不足；验证含动态工况是优点，但独立测试范围未知。
• 部署边界： 短期/长期预测的步长定义未能从摘要确认，不能将其直接视作真实 BMS 在线验证。

指标与结果

• 摘要报告 SOH 预测 RMSE <8%、RUL 预测 RMSE <40 cycles；原文摘要把“less than 18 cycles”置于 SOH 短期预测表述旁，无法确认它是预测时域还是另一条件，故不将其解释为确定的窗口设置。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；需核对粒子滤波是否只递推历史数据、是否使用未来电流信息，以及测试集是否参与参数初始化。
• 复现性： 低至中；GA、PF 和数据类型已披露，但电芯明细、参数范围、数据与代码未能确认。
• 局限性： 摘要指标语句存在歧义；无样本规模/划分和不确定性区间；全文不可访问。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 机理模型与 PF 结合适合不同电流工况，但关键误差定义需澄清。下一步取得全文，确认“<18 cycles”含义及 RUL 误差测试集。

5. Lithium-ion battery RUL prediction based on optimized VMD-SSA-PatchTST algorithm

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，并将容量轨迹首次低于额定容量 70% 的循环定义为寿命终点；该阈值是论文自身设置，不按常见 80% 代替。
• 证据： 全文给出 WOA 优化 VMD 分解参数、SSA 调节 PatchTST，并定义 70% 容量阈值：Nature 全文/PDF。

数据集/电池体系

• 体系/数据： NASA Battery 数据中 B0005/B0006/B0007/B0018（标称 2.0 Ah）；NASA Randomized 数据 7 组、每组 4 节 18650、标称 2.2 Ah。电化学正负极材料未在该文数据描述中完整确认。
• 工况/跨域： 随机负载组涵盖不同电流过程，部分组环境温度 40°C；作者使用放电最低电压、恒流放电时长和放电能量等特征。论文另称实验包含“8 组”退化数据，与数据描述的 4 个 NASA 电芯加 7 个随机组不一致，需作者澄清计数口径。

EOL/RUL/SOH 定义

• 目标/定义： 预测容量轨迹并取首次低于额定容量 70% 的循环作为 EOL，再计算 RUL。
• 未来信息风险： VMD 对容量轨迹分解后再预测；全文未清楚证明分解参数和分解过程只使用预测时可见前缀。若整条测试轨迹参与分解，会泄漏未来形状信息。

模型方法

• 流程： Spearman 筛选健康特征 → WOA 以包络熵优化 VMD 模态数 K/惩罚参数 α → 分别预测 IMF 与低频分量 → SSA 以验证集 MAE 调整 PatchTST 超参 → 重构容量轨迹并推算 RUL；与 SSA-CNN、SSA-GRU、SSA-PatchTST 比较。
• 部署： 模型需容量序列及多步预测；未报告 BMS 实时计算、延迟或在线更新测试。

验证设计

• 划分/泛化： NASA 基准采用按电芯留一测试/验证方案；每轮余下两节训练。随机数据按四电芯组轮换测试及验证，具备跨电芯验证，但仍属公开数据内部验证。
• 可信度： 中；电芯级留出与随机工况扩展有价值，VMD 因果性、超参搜索隔离及“8 组”描述矛盾降低可信度。

指标与结果

• B0005 示例在 B0006 作验证时，容量预测 MAE=0.0150、MAPE=0.95%；随机数据 Group 6 的容量预测 MAE=0.0093、RMSE=0.0131、MAPE=0.52%。这些是容量轨迹误差，不是 RUL 周期误差；论文摘要未给可直接比较的 RUL 周期误差数值。

泄漏风险、复现性与局限性

• 泄漏风险： 中；重点确认整序列 VMD、WOA/SSA 选择是否触及测试轨迹未来部分；按电芯划分虽降低跨电芯泄漏，但不自动消除此风险。
• 复现性： 中；NASA 数据公开，全文披露 WOA/SSA 主要参数；未发现代码仓库或随机种子。
• 局限性： 仅两类 NASA 公开集；EOL 采用 70% 阈值；不同化学体系/真实 BMS 未验证；数据组数描述不一致。

是否值得跟进

• 结论： 跟进，重点审计泄漏。
• 理由与下一步： 电芯级留出和随机负载测试较有参考价值。复现时先对训练电芯拟合分解/调参，只以测试电芯已观察前缀预测，并统一报告周期级 RUL 误差。

6. Joint Prediction of Li-Ion Battery Cycle Life and Knee Point Based on Early Charging Performance

论文基本信息

纳入理由与原文证据

• 主题/边界： 同时预测锂离子电池 cycle life（CL）及到 knee point 的循环数（CTK），并把 CTK 作为寿命模型输入，属于直接寿命预测而非单纯拐点检测。
• 证据： MDPI 全文定义 EOL 为容量低于额定容量 80%，并报告首 100 周期输入下模型误差：MDPI 全文。

数据集/电池体系

• 体系/数据： Severson/Stanford 加速老化数据：A123 Systems APR18650M1A、LFP/石墨 124 节；因储存后容量上升排除 5 节，119 节用于模型。论文称 72 种快充策略，电芯在相同温度下测试。
• 工况/跨域： CC-CV 充电，快充电流步骤约 3.6C–6C；样本主要来自同一公开数据与相同温度，未验证跨温度或跨化学体系。

EOL/RUL/SOH 定义

• 目标/定义： 容量首次低于额定容量 80% 定义 EOL；CL 为达到该条件的循环寿命，CTK 为 knee point 对应循环数。正文以容量拐点/分段拟合获得 CTK 标签。
• 未来信息风险： 训练标签基于完整老化路径是监督目标所需；推理阶段通过早期 V/I/T 输入预测 CTK。仍需核实完整测试曲线是否参与标准化或标签之外的特征构造。

模型方法

• 流程： 早期 V/I/T 数据 → ECA-MCCA 提取跨周期/多尺度空间特征；TECAN 在 TCN 中加入 ECA 提取时序特征 → 联合 CTK 与 CL 预测；与单独 ECA-MCCA、TECAN 及其他网络比较。
• 部署： 输入为早期充电特征；论文承认融合结构增加训练耗时，未报告车载推理延迟或在线资源占用。

验证设计

• 划分/泛化： 正文报告 43 节电芯测试集，119 节数据可供实验；对首 N 周期进行测试，主要展示 N=100。具体电芯分配随机种子、训练/验证比例及跨数据集验证未能确认。
• 可信度： 中；按电芯测试优于随机窗口划分，但仅同一数据源/温度，划分细节不充分。

指标与结果

• 首 100 周期下，论文报告不含 CTK 的 TECAN RMSE=130 cycles，加入 CTK 的 MODEL1 降至 116 cycles，MODEL2 为 106 cycles；MODEL2 的 MAPE 约 12%，测试集为 43 节电芯。指标为 CL 周期预测误差。

泄漏风险、复现性与局限性

• 泄漏风险： 中；需核验 43 节是否严格与训练电芯分离，以及归一化/特征筛选是否仅在训练集拟合。CTK 是预测标签，不能把测试电芯完整寿命信息回灌为输入。
• 复现性： 中低；公开 Severson 数据可获取，全文披露架构及主要误差；数据与材料需向通讯作者合理请求，未确认公开代码和随机种子。
• 局限性： 单一化学体系/温度来源；长寿命样本稀少时误差较大；摘要及正文模型复杂度收益有限，外部验证缺失。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： knee point 与寿命联合学习有明确物理动机，且报告电芯级测试。下一步核对数据划分与 CTK 标签计算，并在不同温度/化学体系上做外部验证。