Robust state of health estimation of sodium-ion batteries combining feature selection and long short-term memory networks

论文卡片 1

基本信息

• 标题：Robust state of health estimation of sodium-ion batteries combining feature selection and long short-term memory networks
• DOI/URL：https://doi.org/10.1016/j.est.2026.123435；RSS/ScienceDirect 线索：https://www.sciencedirect.com/science/article/pii/S2352152X26030999?dgcid=rss_sd_all
• 期刊/会议/预印本平台：Journal of Energy Storage
• 发表日期：2026-11（Crossref published-print；RSS 显示 Publication date: 15 November 2026）
• 作者和机构：Zixian Xia; Wei Su; Shusheng Liu; Jiang Yue; Jiangfeng Gong; Chenlong Wei; Jingjing Xu; Hongbing Yao; Yuwu Cai; Xinyi Zhao; Yuming Chen。机构未能从 Crossref/RSS 元数据确认。
• 通讯作者：未能确认
• 脚本评分：60
• 期刊指标核验：未核验；监测脚本期刊分层给出“core storage journal / Q1; Journal of Energy Storage”，但本报告未独立核验 JCR/JIF/CiteScore/SJR 数值。
• 可访问性与核验：已尝试打开 ScienceDirect URL，web_extract 返回 failed to fetch；已通过 Crossref API 复核 DOI、题名、期刊、卷号、文章号和作者。可信度：摘要/元数据级，全文未开放或未成功获取。

纳入理由和命中证据

• 题名直接包含 state of health estimation、sodium-ion batteries、feature selection、long short-term memory networks。
• 该任务是电池健康状态估计，属于 SOH/寿命预测监测范围；不同于单纯材料合成或储能调度论文。
• 监测脚本命中原因：battery related: batteries, sodium-ion, sodium；topic: state of health；venue tier: core storage journal / Q1；source kind: journal_rss。

创新点

• 可能创新在于将特征选择与 LSTM 用于钠离子电池 SOH 估计，而不是常见锂离子 NASA/CALCE 场景。
• 由于正文/摘要未能获取，具体特征筛选算法、LSTM 结构、鲁棒性设计和泛化验证方式均未能确认。

主要内容

• 从题名和元数据判断，论文面向钠离子电池 SOH 估计，采用特征选择降低输入冗余并结合 LSTM 建模时序退化。
• 未能确认是否包含实验室老化数据、跨电芯验证、跨工况测试或不确定性估计。

模型架构/方法流程

• 已确认：feature selection + long short-term memory networks。
• 未说明/未能从可访问内容确认：特征选择准则、LSTM 层数与隐藏维度、训练策略、损失函数、超参数、是否有 attention/ensemble/physics-informed 模块。

输入特征与输出目标

• 输入特征：未能从可访问内容确认；可能来自电压、电流、容量、温度或循环统计，但不得据此下结论。
• 输出目标：SOH 估计，由题名确认。

数据来源/数据结构/电池类型/循环协议

• 电池类型：钠离子电池（sodium-ion batteries）。
• 数据来源、样本数、循环数、温度、倍率、老化协议：未能从可访问内容确认。
• 是否跨电池/跨工况/跨化学体系验证：未能从可访问内容确认。

结果指标

• 未能从可访问内容确认 MAE、RMSE、MAPE、R2 或最大误差等指标。

Baseline/对比方法

• 未能从可访问内容确认。需要阅读全文确认是否与 BP/SVR/RF/XGBoost/GRU/BiLSTM/Transformer 等基线比较。

泄漏风险/局限性/复现性

• 泄漏风险：信息不足。重点检查是否随机切分循环片段导致同一电池进入训练和测试、是否在全数据上做特征选择/归一化、是否使用未来容量曲线构造特征。
• 局限性：目前元数据级信息无法确认数据规模和工况覆盖；钠离子数据通常较少，需关注小样本泛化。
• 复现性：信息不足；未确认代码、数据、超参数是否开放。

对哥哥研究/落地的启发和后续动作

• 启发：钠离子 SOH 是可扩展监测方向，可用于比较“锂电模型迁移到钠电”的特征稳定性。
• 后续动作：获取全文；记录所用钠离子数据集与特征选择方法；若数据开放，加入 Na-ion SOH/RUL benchmark；重点审查按电芯划分验证和跨温度/倍率泛化。