Battery modeling using grey box and black box data driven techniques

3. Battery modeling using grey box and black box data driven techniques

论文基本信息

字段	内容
DOI/URL/PDF	Scientific Reports 文章页；PDF；DOI
发现来源	source_history=OpenAlex；payload source URL
期刊/会议/平台	Scientific Reports，Nature Publishing Group
发表日期	OpenAlex、Nature 页面和网页元数据均为 2026-09-17
作者/机构	S. Tamilselvi、S. Gunasundari、Goh Kah Ong Michael、V. S. Harini Sree、S. Tarakeshwaran、K. Aswathy、N. Yokeshkumar、C Ahamed Saleel；机构包括 Sri Ramachandra Institute of Higher Education and Research、Sri Sivasubramaniya Nadar College of Engineering、Velammal Engineering College、Multimedia University、Chitkara University、Sharda University、Lovely Professional University、King Khalid University
通讯作者	通讯作者：Goh Kah Ong Michael；Nature 文章 HTML 的 correspondence 字段确认该姓名
脚本评分/证据等级	63；命中 battery/lithium-ion、prognostics、NASA/data set、Scientific Reports 和开放获取；摘要级，正文 PDF 本轮未成功提取
核验路径	payload pdf_url 为空 → DOI web_extract 失败 → Nature 文章页 web_extract 失败；通过 Nature 网页元数据/摘要和直接 HTTP 页面确认题录、日期、作者、通讯作者与摘要内容，PDF web_extract 仍失败

纳入理由与原文证据

• 主题/边界： 摘要以准确预测 battery lifespan 为动机，并在 NASA PCoE 老化数据上比较电池模型；但实际直接目标是充放电场景下的端电压预测，不是已明确的 EOL、RUL 或 SOH 估计，因此作为寿命建模观察项而非核心预测论文。
• 证据： 摘要称框架用于“terminal voltage prediction”，并报告黑箱模型在不同充放电倍率下对多数循环具有更低 MAPE；这支持其对退化建模的相关性，但没有给出寿命标签或数值结果（Nature 页面）。

数据集/电池体系

• 体系/数据： 锂离子电池；使用 NASA Prognostics Center of Excellence Data Set Repository，并以实验电池和制造商数据评估充放电电压行为。具体 NASA 电芯编号、样本规模、实验来源和公开数据版本未能从可访问摘要确认。
• 工况/跨域： 涉及不同充电/放电倍率和温度影响；SOC 窗口、温度范围、按电芯/周期划分以及制造商数据是否完全独立未说明。

EOL/RUL/SOH 定义

• 目标/定义： 摘要没有给出 EOL 阈值、RUL 单位、SOH 标签或容量衰减轨迹预测定义；主要输出是端电压/充放电行为。不能因为题目和动机出现 lifespan 就把 MAPE 解释为寿命预测误差。
• 未来信息风险： 需确认电压模型的输入是否包含完整循环或未来温度、制造商数据是否只用于最终测试，以及相关性分析和温度特征是否在训练集内完成；摘要不足以判断这些边界。

模型方法

• 流程： 电池充放电数据和参数 → 相关性分析、温度因素筛选 → Grey Wolf Optimization 灰箱模型与 Random Forest 黑箱模型 → 端电压预测。Nature 页面关键词还列出 electric circuit-oriented battery model，但灰箱电路结构、特征清单和超参未能确认。
• 部署： 结果可为电池建模和后续健康估计提供输入；BMS 在线采样、计算延迟、模型更新和实际寿命预警接口未说明。

验证设计

• 划分/泛化： 摘要称使用实验电池、制造商数据和不同充放电条件比较两类模型；训练/测试边界、按电芯隔离、外部数据独立性和跨温度泛化未说明。
• 可信度： 信息不足；Nature 网页摘要和通讯作者可确认，模型比较方向可确认，但没有可核验的数值表、完整正文切分或寿命标签定义。

指标与结果

• 论文使用 MAPE 评估端电压/充放电行为，但摘要未给出具体 MAPE 数值、单位、各工况分项结果或置信区间。
• 可确认的定性结论是黑箱模型在多数循环、不同充放电倍率下 MAPE 更低，并且温度应纳入电池模型；这些不是 EOL/RUL 预测结果。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查同一电芯不同循环是否跨训练/测试混用、制造商数据是否在模型选择阶段被使用，以及温度和相关性筛选是否看到了测试集。
• 复现性： 中低；NASA 数据源、灰箱/黑箱模型类别、Random Forest、Grey Wolf Optimization 和温度因素已确认，但代码、完整特征、参数和切分未确认。
• 局限性： 不是直接 RUL/SOH/EOL 论文；没有数值摘要或可访问正文结果；端电压拟合优于另一模型不等于寿命预测更准确，也不能直接推断 BMS 健康预警效果。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 温度敏感的电压模型可能为退化轨迹或数字孪生提供辅助特征，但当前证据不足以纳入核心 RUL benchmark。下一步若取得正文，优先确认寿命相关输出、数据切分、MAPE 数值和制造商数据独立性；在此之前不投入复现主线。