2026.11.13 · 电池研究日报

电池寿命预测论文每日监测报告（2026-11-13）

今日结论

• 新增： 正式论文卡片 5 篇；其中 3 篇本轮首次观察，2 篇为旧积压补报。全文级 / 摘要级 / 元数据级 / 线索级：0 / 5 / 0 / 0。四篇直接预测 RUL、SOH、cycle life 或容量退化；另有一篇 BMS 预测/健康推理综述，作为领域综述纳入，不视为独立预测器。
• 最值得跟进： ① 多时间尺度 RUL 论文以 123 个电池验证，并报告两组 MAPE；下一步核对数据集名称、逐电芯划分和特征筛选范围。② 单周期组装容量曲线将预测提前到第二循环；下一步获取全文核实三套数据的电芯划分及 EOL 标签。③ NASA B0005 与三只实验电池上的容量预测论文提供 SHAP 特征解释；下一步核验按电芯独立留出的结果和外部泛化。
• 总体判断： 本轮的直接预测研究集中在早期循环可用信息、特征工程与深度时序模型；既有多尺度 HI/注意力-MLP，也有组装容量图像与 AlexNet、CNN-BiLSTM。摘要显示多种测试集上的误差，但没有任何一篇本轮拿到完整正文，不能确认数据拆分、EOL 标签或调参是否严格隔离。Agentic BMS 是预测与健康推理综述，价值在研究框架而非预测性能。
• 质量提醒： 5 篇均为摘要级证据。Agentic BMS 的 ResearchGate/OpenAlex 日期为 2026-11，Crossref 的期次/issued 记录为 2027-02；后者在未来，保留冲突，不当作在线发表日期。两篇较早积压论文有机构档案摘要支持；ScienceDirect 页面及 PDF 抽取有失败，细节以成功取得的摘要/元数据为限。Gold-label Top-5 标注覆盖率为 0%，precision@K 未知。
• 检索规模： 发现记录 565 / 去重后记录 372 / 重复记录 193 / 保留题录 247 / 过滤条目 125。重复命中与过滤噪声分开计数，不能作为漏报量；OpenAlex、Crossref 是 ranked sample，检索不保证穷尽。

论文总览

单篇论文分析

1. Multi-time scale feature extraction for early prediction of battery RUL and knee point using a hybrid deep learning approach

论文基本信息

纳入理由与原文证据

• 主题/边界： 明确以锂离子电池 RUL 和 knee point 为预测目标，属于早期寿命/退化轨迹预测。档案摘要称使用前 100 个循环的跨循环及循环内健康指标；XJTU 摘要。
• 证据： 摘要报告共 123 个电池、主测试集与次测试集 MAPE 为 7.77% 和 9.82%；这只能证明作者报告的摘要结果，不能由此认定测试严格跨电芯或跨批次。

数据集/电池体系

• 体系/数据： 锂离子电池，合计 123 个电池；公开/自建数据集名称、化学体系、电芯型号及各集合样本数未能从摘要确认。
• 工况/跨域： 摘要提及不同批次特性差异及 primary/secondary test sets，但温度、倍率、SOC 窗口、批次构成与是否留出整批电池均未说明。

EOL/RUL/SOH 定义

• 目标/定义： 同时预测 RUL 与 knee point；EOL 阈值、RUL 单位、标签生成规则及 knee 的操作性定义未能确认。
• 未来信息风险： 特征只基于“前 100 cycles”的表述支持早期预测，但未说明不同预测起点如何设定；445 项特征筛至 320 项的选择是否仅在训练集完成，须核查，避免测试数据参与筛选。

模型方法

• 流程： 从跨循环及循环内信号提取健康指标，生成 445 项特征并选取 320 项；再以多头注意力和多层感知机融合多时间尺度信息，辅以 snapshot ensemble。摘要未列完整输入字段、网络层数、损失函数和消融配置。
• 部署： 传感器要求、推理延迟、在线更新和 BMS 硬件均未说明。

验证设计

• 划分/泛化： 摘要报告两个测试集和共 123 个电池，但未说明训练/验证/测试电芯 ID、分组策略、独立批次留出或外部数据。
• 可信度： 中等偏低；有较大样本总数和双测试集摘要信息，但关键拆分与样本构成无法复核。

指标与结果

• 主测试集 MAPE 7.77%、次测试集 MAPE 9.82%；摘要称相对 benchmark 分别改善 9.0% 和 13.2%。指标对应何种电池分组、基线与误差统计口径需全文核实；不与其他论文直接比较。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点查 445→320 的特征选择、归一化与超参是否严格在训练电芯内完成，以及 knee/RUL 标签是否使用完整寿命曲线。
• 复现性： 信息不足；数据来源、代码、随机种子、超参及切分清单未确认。
• 局限性： 摘要无法确认真实数据集与化学体系；主/次测试集代表性不明；模型和结果缺全文支撑。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 前 100 周期的多尺度特征与双目标预测值得比较；先取得全文，核对数据名称、按电芯/批次划分、knee 定义和特征选择隔离，再决定是否纳入可复现基准。

2. Lithium battery state-of-health estimation and remaining useful lifetime prediction based on non-parametric aging model and particle filter algorithm

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接联合估计 SOH 与预测 RUL，属于寿命和健康预测。摘要明确说明以动态电池老化状态空间、Gaussian process regression 与 particle filter 预测健康状态；BIT 摘要。
• 证据： 作者报告短期 SOH 估计误差在 4% 以内，长期 RUL 预测误差约 7%（摘要另写 relative error/EOL, 12/159）；该括号口径未能独立解释，不自行换算。

数据集/电池体系

• 体系/数据： 摘要称使用“两种类型的五个电池”并设计不同案例；五个是否为总数或每类数量，摘要措辞不能确定。具体化学体系、电芯型号、公开数据集和原始样本规模未说明。
• 工况/跨域： 有不同设计案例，但温度、倍率、SOC、采样周期及跨电芯划分未说明，不能据“various cases”推断跨域验证。

EOL/RUL/SOH 定义

• 目标/定义： 短期 SOH 估计和长期 RUL 预测；摘要未给 SOH 标定公式、EOL 阈值、RUL 单位或标签构建方式。12/159 的分母与 EOL 口径需全文澄清。
• 未来信息风险： 模型利用历史与当前容量，另从部分 differential thermal voltammetry 曲线提取指标；需核实在线预测时曲线窗口的因果性、粒子滤波更新是否只用预测时点可得观测，以及容量序列归一化是否接触未来数据。

模型方法

• 流程： GPR 建立容量序列的状态方程，多输出 GPR 将容量退化映射至健康指标构成观测方程；滤波处理 differential thermal voltammetry 曲线并提取指标，粒子滤波输出 SOH/RUL。摘要称采用两种滤波方法，但具体滤波器、参数和 baseline 未说明。
• 部署： 在线采样频率、计算成本、BMS 实测部署及更新延迟未能确认。

验证设计

• 划分/泛化： 通过两种电池类型和多种设计案例验证；样本个数、训练/测试按电芯切分、跨化学体系独立测试与重复实验未说明。
• 可信度： 中低；摘要给出任务与结果，但电芯数量的表达、标签口径和数据拆分均需全文核验。

指标与结果

• 摘要报告 SOH 误差 <4%，长期 RUL 相对误差约 7%，并出现“relative error/EOL, 12/159”的原文表达。未提供指标定义、统计区间、测试样本及基线细节，不将其视为可直接横比的准确率。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；检查完整老化曲线是否参与粒子滤波参数设定、输入曲线是否含预测时点之后的信息，以及电芯是否跨训练测试集。
• 复现性： 低/信息不足；数据、代码、超参、随机种子和分割协议未从摘要确认。
• 局限性： 摘要的电池数量表达有歧义；SOH/EOL 定义缺失；误差口径和跨工况泛化需全文验证。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 容量状态空间与热伏安指标融合有方法参考价值；获取全文后首先核实电池样本数、EOL 标签、12/159 含义和按电芯独立测试结果。

3. Agentic AI for intelligent battery management systems: From diagnosis to autonomous control

论文基本信息

纳入理由与原文证据

• 主题/边界： 这是一篇关于 BMS 诊断、预后、健康推理和闭环控制的综述，不是提出独立 RUL 模型。摘要覆盖 state estimation、degradation modeling，并指出预测型方法仍占主导；其六层框架含 health inference 与 predictive risk assessment，故作为电池健康/预后领域综述纳入，但不与实证寿命预测论文混比。
• 证据： 摘要将文献范围描述为从诊断和 prognosis 到优化、控制，提出 A-BMS 框架；ResearchGate 摘要。

数据集/电池体系

• 体系/数据： 综述涉及 cell、pack 和 system 层级的电池管理、状态估计、退化建模与数字孪生；无自建实验数据。具体电化学体系、纳入研究样本数及数据库范围未能从摘要确认。
• 工况/跨域： 摘要讨论 aging、thermal coupling、异构使用条件与不确定性，但没有可复核的温度、倍率、SOC 或跨电芯测试数据。

EOL/RUL/SOH 定义

• 目标/定义： 综述对象含 prognosis/health inference 与预测风险，不给出统一 SOH、EOL 或 RUL 定义；A-BMS 是系统架构提案，不是本文实测的寿命标签或预测输出。
• 未来信息风险： 作为综述没有自身预测序列，模型层面的因果性和泄漏风险取决于被综述研究；摘要未说明系统性检索/筛选方法，不能判断覆盖偏倚。

模型方法

• 流程： 比较数据驱动状态估计、退化建模、强化学习控制、物理信息混合方法、数字孪生和多智能体策略；提出由多模态感知、健康推断、风险预测、决策、控制执行和人工监督构成的六层 A-BMS。摘要未给可复现的算法实现。
• 部署： 讨论安全约束、自主控制和可认证性障碍；未报告真实 BMS 部署、硬件或延迟实验。

验证设计

• 划分/泛化： 综述的纳入标准、检索数据库、筛选流程、偏倚评估及定量合并方法未从摘要确认；不存在本文独立训练/测试集。
• 可信度： 信息不足；摘要支持其综述主题和框架，但未能确认其系统综述方法，也无法由此比较各模型的泛化质量。

指标与结果

• 没有本文预测误差或寿命指标。摘要定性指出预测导向研究较多，而不确定、老化及热耦合下实现闭环自主的研究相对较少；此为综述结论，不是定量 benchmark。

泄漏风险、复现性与局限性

• 泄漏风险： 不适用本文自身预测器；综述层面需检查研究筛选是否系统、是否有重复计数及性能比较是否统一数据与标签。
• 复现性： 信息不足；检索式、数据库、筛选清单、代码和提取表未在摘要中说明。
• 局限性： 非寿命预测原始研究；研究覆盖和筛选方法未知；2026-11 与 2027-02 日期记录冲突，需 publisher confirmation。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 可用于梳理健康推理如何接入决策闭环，但应作为综述背景而非预测精度证据；优先确认出版社在线日期及全文的检索方法、SOH/RUL 覆盖范围和安全验证证据。

4. Ultra-early prediction of lithium-ion battery cycle life based on assembled capacity curve extracted from a single cycle

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 cycle life，使用单个超早期循环构造组装容量曲线，属于早期寿命预测。ScienceDirect 摘要
• 证据： 出版社摘要称曲线为同一循环充电容量与放电容量之差，并以第二循环为例；三套数据上的 MAPE 分别为 11.36%、15.27%、7.86%。摘要未给数据集名称与逐组测试定义。

数据集/电池体系

• 体系/数据： 锂离子电池；摘要确认三套 battery datasets，但未显示数据集名称、电芯数、化学体系、容量和是否公开。
• 工况/跨域： 主要输入来自第二循环，并比较第一、第五、第十循环及反向组装曲线；温度、倍率、SOC、数据来源间协议差异及外部留出均未说明。

EOL/RUL/SOH 定义

• 目标/定义： 目标为总 cycle life；摘要没有明确寿命终点阈值、单位以外的标签规则、删失处理或预测时点。不可假定使用 80% 容量阈值。
• 未来信息风险： 只用第二循环的主设定理论上早于长期衰减，但需查图像生成、寿命标签归一化及数据集内训练测试拆分；若同一电芯不同窗口跨集合会造成泄漏。

模型方法

• 流程： 计算单循环充电容量减放电容量得到 assembled capacity curve，将曲线构造成图像后用 AlexNet 提取特征并预测 cycle life。比较其他早期循环与 inverse curve；完整预处理、损失函数、基线与消融未能从摘要确认。
• 部署： 输入只需早期循环曲线是作者设想；实际产线/BMS采集、推理成本和跨设备部署未验证。

验证设计

• 划分/泛化： 三套数据集上评估，出版社摘要称替换至其他早期循环时误差处于相近水平；未披露电芯数、切分是否按电芯、独立外部测试或重复试验。
• 可信度： 中低；预测时点较早且有多数据集结果，但缺少名称、拆分和基线细节。

指标与结果

• 第二循环设定的 MAPE：三套数据分别为 11.36%、15.27%、7.86%；其他早期循环的误差称处于同一水平。指标的测试样本、基线差值和不确定性区间未确认，不与不同数据集的结果横向排名。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；优先检查图像预处理是否按训练集拟合、同一电芯是否跨集合，以及寿命标签是否以全寿命统计信息生成。
• 复现性： 低/信息不足；数据集名称虽有三套但未从摘要取到，代码、随机种子、图像参数与拆分未确认。
• 局限性： 无全文；数据集和 EOL 规则不清；MAPE 的分组及基线口径未知。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 第二循环构造曲线的超早期设定值得做独立复现；获取全文后核对三个数据集、按电芯划分、标签终点和与非图像基线的公平比较。

5. Sparrow Search Algorithm-optimized CNN–BiLSTM for lithium-ion battery capacity degradation prediction with SHAP-based interpretability

论文基本信息

纳入理由与原文证据

• 主题/边界： 论文直接预测锂离子电池容量退化，属于 capacity/degradation trajectory prediction，而不是只做异常检测。摘要明确六项健康指标来自充电、放电与增量容量曲线；Nature 摘要。
• 证据： 摘要给出三只实验电池和 NASA B0005 的容量 RMSE、R²，并说明使用 chronological train/validation/test；完整逐电芯拆分仍需正文核验。

数据集/电池体系

• 体系/数据： 三只实验老化的 1.2 Ah 锂离子电池及 NASA B0005。摘要未说明实验电池化学体系、循环工况、NASA 其余电芯是否参与训练，亦未给代码/数据链接。
• 工况/跨域： 采用时间顺序训练、验证、测试划分；温度、倍率与窗口信息未在摘要提供。NASA B0005 与实验电池的来源差异不等于已做跨化学体系外部测试。

EOL/RUL/SOH 定义

• 目标/定义： 预测容量及其退化，不直接报告 RUL/EOL；摘要没有容量阈值、终止条件、SOH 标定或将容量预测转为寿命标签的规则。
• 未来信息风险： Chronological split 是正面设计线索，但需核实窗口构造、健康指标计算、归一化和 SSA 调参是否只使用训练/验证数据，尤其不能让测试段参与特征筛选或模型选择。

模型方法

• 流程： 六项健康指标输入 CNN 提取局部模式，再由 BiLSTM–LSTM–BiLSTM 处理非线性时序特征；SSA 优化学习率、正则化系数和循环层隐藏单元，SHAP 解释指标贡献。摘要未给完整层配置、损失、基线参数或消融。
• 部署： 传感器实时部署、算力、延迟和在线更新未验证；SHAP 解释是模型相关分析，不能据此证明因果性。

验证设计

• 划分/泛化： 摘要明确按时间顺序划分，在三只实验电池与 NASA B0005 上评估；具体每个电池各自划分还是合并后划分、是否有独立电芯留出、重复实验未说明。
• 可信度： 中等偏低；评估对象与时间顺序已知，样本仅四个明确电芯且独立性/划分粒度未明，外推能力有限。

指标与结果

• 三只实验电池的 RMSE 为 0.003196–0.005025 Ah、R² 为 0.922–0.989；NASA B0005 的 RMSE 0.0373 Ah、R² 0.8355。作者称优于四个内部 baseline；须结合各测试段容量范围核对跨电池指标，不能仅按数值比较。

泄漏风险、复现性与局限性

• 泄漏风险： 中/信息不足；检查同电芯时间窗是否严格先后分割、SSA/标准化是否接触测试段、NASA B0005 是否既用于选择又用于报告。
• 复现性： 信息不足；数据部分有 NASA B0005，但代码、实验原始数据、超参搜索预算、随机种子和完整划分表未能从已读摘要确认。
• 局限性： 样本电池数少；未展示外部化学体系/工况验证；摘要指标未提供置信区间且容量误差不能直接代表 RUL 性能。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 可作为容量轨迹预测与 SHAP 解释的候选基线；下载全文/补充材料核对每只电芯的数据切分、SSA 搜索范围、模型消融及跨电池泛化后再复现。