Long-horizon battery lifetime prediction using a multiwindow autoregressive framework

4. Long-horizon battery lifetime prediction using a multiwindow autoregressive framework

基本信息

• 标题：Long-horizon battery lifetime prediction using a multiwindow autoregressive framework
• DOI/URL：https://doi.org/10.1016/j.est.2026.123422
• 期刊/会议/预印本平台：Journal of Energy Storage
• 发表日期：2026-07-14
• 作者和机构：Yu Cao, Longxin Tian, Naichuan Miao, Jiuyi Qi, Changgang Wang, Jinbo Pang, Jing Zhou；机构未能从可访问内容确认
• 通讯作者：未能确认
• 脚本评分：60
• 期刊指标核验：未核验

纳入理由和命中证据

• 题名直接命中 long-horizon battery lifetime prediction，是本监测主题内的高相关任务。
• 由于 DOI/ScienceDirect 页面访问失败、web search 未返回可核验摘要，当前只能确认题名、期刊、日期、作者和 DOI 元数据。
• 该条应保留在报告中，但可信度标为元数据级，不能编造模型细节和指标。

创新点、主要内容、模型架构/方法流程

• 可确认方法关键词：multiwindow autoregressive framework。
• 未能确认具体窗口构造、autoregressive rollout、特征、损失函数、模型类别、训练流程。

输入特征与输出目标

• 输入特征：未能从可访问内容确认。
• 输出目标：battery lifetime / long-horizon prediction；EOL 阈值、RUL 单位未能确认。

数据来源/数据结构/电池类型/循环协议

• 数据来源、电池化学体系、样本数、循环协议、工况覆盖：未能从可访问内容确认。

结果指标、Baseline/对比方法

• 结果指标：未能从可访问内容确认。
• Baseline/对比方法：未能从可访问内容确认。

泄漏风险/局限性/复现性

• 泄漏风险：信息不足。长时域 autoregressive 预测需要重点检查是否用未来容量轨迹构造特征、是否按电池隔离测试、是否滚动预测而非 teacher forcing 指标。
• 局限性：全文不可访问导致无法评估数据规模、泛化和工程部署价值。
• 复现性：信息不足。

对哥哥研究/落地的启发和后续动作

• 启发：multiwindow autoregressive 可能与哥哥做长时域退化轨迹 extrapolation 的路线相关，值得二次核验。
• 后续动作：等 ScienceDirect 页面可访问或通过机构渠道下载；优先抽取窗口定义、预测 horizon、rollout 误差累积处理和 baseline。