Physics-informed entropy temporal neural network for cross-condition state-of-health estimation of lithium-ion batteries

作者未确认

来源页面 ↗

3. Physics-informed entropy temporal neural network for cross-condition state-of-health estimation of lithium-ion batteries

论文基本信息

字段 内容
DOI/URL/PDF DOI;RSS 文章 URL;未提供 PDF
发现来源 RSS/Web;原始线索为 Journal of Energy Storage RSS,Crossref 题录确认 DOI、期刊、文章类型和作者
期刊/会议/平台 Journal of Energy Storage,Elsevier
发表日期 RSS 摘要字段显示 2026-12-30;Crossref published 为 2026-12,晚于监测日 2026-09-21,日期和可访问状态均待复核
作者/机构 Haichuan Du、Shaojuan Ma、Changlin Xu、Xinyi Xu、Shuo Ma;Crossref 未提供机构,RSS 未提供机构
通讯作者 通讯作者:未能确认
脚本评分/证据等级 68;元数据级。命中锂离子电池、SOH、physics-informed、neural、Journal of Energy Storage 核心期刊和 RSS 来源
核验路径 pdf_url 未提供 → ScienceDirect RSS 文章页失败 → DOI 页面失败 → Crossref DOI 查询在本次网络核验中未能由 web_extract 获取,但终端 Crossref 查询确认 DOI、journal-article、题名、期刊和作者;未获得摘要或全文

纳入理由与原文证据

  • 主题/边界: 题名直接指向 lithium-ion battery 的 cross-condition SOH estimation,且明确写出 physics-informed entropy temporal neural network,属于健康状态估计与寿命预测的相邻核心任务。
  • 证据: RSS 题名和 Crossref 题录都保留了 “cross-condition state-of-health estimation” 这一直接任务表述;DOI 入口当前未能由 web_extract 成功打开,因此没有可引用的摘要结果。

数据集/电池体系

  • 体系/数据: 题名确认锂离子电池;数据集名称、电芯化学体系、样本规模、传感器和输入窗口均未说明。
  • 工况/跨域: 题名暗示跨工况,但未能确认是跨温度、倍率、SOC、充电协议还是跨数据集;也未确认训练和测试是否按电芯隔离。

EOL/RUL/SOH 定义

  • 目标/定义: 目标为 SOH estimation;SOH 的物理定义、容量/阻抗口径、标签阈值、采样时刻和是否输出未来退化轨迹均未说明。不能将 SOH 自动解释为某一固定容量比例。
  • 未来信息风险: 跨工况场景尤其需要检查归一化统计量、熵特征、时间窗口和条件标签是否使用测试工况或完整寿命信息;现阶段没有正文证据可判断。

模型方法

  • 流程: 题名仅支持“physics-informed + entropy + temporal neural network”的组合描述;熵的定义、时间网络类型、物理方程/约束、损失权重、输入输出和 baseline 均未能确认。
  • 部署: 未说明在线更新、传感器配置、推理延迟、内存/算力和 BMS 集成方式。

验证设计

  • 划分/泛化: “cross-condition” 是题名级线索,尚不能确认是否留出温度/倍率、留出电芯、外部数据或时间外推;独立测试状态未能确认。
  • 可信度: 信息不足。主题和方法方向高度相关,但没有摘要、结果或实验协议,不能判断跨条件泛化是否真实。

指标与结果

  • 未能确认 SOH 的 MAE、RMSE、MAPE、最大误差、跨条件性能差异或不确定性指标;当前没有可报告的原始实验数字。
  • 物理一致性、单调性、校准和失败工况也未能确认;脚本评分仅代表检索相关性,不是论文性能。

泄漏风险、复现性与局限性

  • 泄漏风险: 信息不足;优先检查熵特征是否由全序列计算、跨条件归一化是否混入测试域,以及滑窗切分是否把同一电芯相邻窗口分到训练和测试两侧。
  • 复现性: 信息不足。当前题录没有代码、数据链接、超参数或随机种子,作者机构和通讯作者也未确认。
  • 局限性: ① 只有元数据,无法确认模型实际结构;② “cross-condition” 未说明具体条件和留出策略;③ 期刊日期处于监测日之后,正式上线状态需要再次确认。

是否值得跟进

  • 结论: 观望。
  • 理由与下一步: 如果全文证实使用严格的留工况/留电芯测试,该题目对哥哥关心的跨条件 SOH 泛化很有价值;但当前不宜将方法名称当成结果。下一步获取 PDF/摘要,补齐 SOH 标签、条件划分、物理约束和逐条件误差,再决定是否复现。
查看关键词分类依据
  • PINN / physics-informed · 标题包含「physics-informed」
    Physics-informed entropy temporal neural network for cross-condition state-of-health estimation
  • Generic neural network / deep learning · 标题包含「neural network」
    Physics-informed entropy temporal neural network for cross-condition state-of-health estimation of lithium-ion batteries
  • Li-ion / LIB · 标题包含「lithium-ion」
    ross-condition state-of-health estimation of lithium-ion batteries