Leakage-Resistant and Censor-Aware Evaluation of Capacity-Only Online Remaining-Useful-Life Prediction Across Heterogeneous Lithium-Ion Battery Protocols
Mingze Zhu、Pengcheng Wang、Bin Chen、Chuanpeng Sun、Daifeng Jiang
3. Leakage-Resistant and Censor-Aware Evaluation of Capacity-Only Online Remaining-Useful-Life Prediction Across Heterogeneous Lithium-Ion Battery Protocols
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | MDPI 出版社全文；DOI 10.3390/batteries12110484 |
| 发现来源 | Crossref；来源历史 Crossref；出版社 HTML 全文核对题录和研究内容 |
| 期刊 | Batteries 2026, 12(11), 484 |
| 发表日期 | 2026-11-11，MDPI 文章历史明确标注 Published；收到 2026-09-24、修回 2026-11-02、接受 2026-11-06 |
| 作者/机构 | Mingze Zhu、Pengcheng Wang、Bin Chen、Chuanpeng Sun、Daifeng Jiang；山东建筑大学、齐鲁工业大学（山东省科学院）及相关科技服务平台 |
| 通讯作者 | Daifeng Jiang，出版社标星并注明通讯作者 |
| 脚本评分/证据等级 | 85；全文级。脚本分数不是研究结果 |
| 核验路径 | payload 无独立 PDF；访问 MDPI HTML 全文成功，核实摘要、发表日期、作者机构、设计、数据拆分和限制 |
纳入理由与原文证据
- 主题/边界： 直接评估容量输入的在线锂电池 RUL 预测，并专门处理按电芯隔离、未来信息和右删失标签问题；属于直接寿命预测评估框架，而非提出一个全新独立预测器。
- 证据： 出版社全文摘要明确描述 209-cell 多数据源研究及严格 80% SOH 终点；作者也强调模型使用公开循环数据的真实容量/SOH，并非嵌入式 BMS 实测。MDPI 全文
数据集/电池体系
- 体系/数据： 锂离子电池容量循环数据，来源 NASA、CALCE、HUST、MATR；摘要称候选池 209 节，86 节构成内部池，另设 21 节 MATR 开发组、21 节主要测试组及含 21 个事件/61 个删失记录的 82 节敏感性样本。21 节主要测试与 82 节敏感性样本是否重叠，摘要未完整说明，不能将这些数目简单相加为互斥组。
- 工况/跨域： 包含 HUST 重复分组、协议族留出以及 MATR 外部冻结测试；多协议有助于检验异质性，但不是真实 BMS 估计容量输入的硬件验证。
EOL/RUL/SOH 定义
- 目标/定义： 主要点预测终点为严格 80% SOH；另用官方 MATR 测试的删失/事件记录进行生存敏感性分析。摘要明确预测为因果、按电芯作为独立单位，删失电芯不赋伪终点。
- 未来信息风险： 设计上按外层训练描述符路由并冻结外部模型，目标是防止同一电芯跨分割和未来观测泄漏；仍需全文核查协议特征、数据预处理以及 21/82 测试样本的重叠边界。
模型方法
- 流程： 容量序列任务复用 ridge、LSBoost、紧凑 XGBoost、TCN、GRU 等基础预测器；协议感知特征为可消融的附加分支。依据外层训练集描述符的路由器是 benchmark-informed heuristic，作者明确称其为待验证假设，不是已验证的通用模型选择器。
- 部署： 目标是在线 RUL 算法评估，但摘要指出输入为公开数据集的真实容量/SOH；由真实 BMS 算法估出的噪声容量可能降低性能，嵌入式部署未验证。
验证设计
- 划分/泛化： 摘要报告 NASA、CALCE、HUST 内部折叠、HUST 协议族留出，以及 MATR 开发/主要测试与删失敏感性。按电芯隔离和外部模型冻结是正面证据；主要测试仅 21 节，需谨慎解释。
- 可信度： 中高；设计较明确且全文可读，但小型外部测试、指标统计功效及部分样本关系仍需核对。
指标与结果
- NASA、CALCE、HUST 重复分组、HUST 协议族留出的内部 fold-macro RMSE 分别为 12.15、38.91、137.16、126.39 cycles；21 节主要测试中协议感知 XGBoost 的电池宏平均 RMSE 为 26.98 cycles，名义 90% 区间覆盖率 92.92%。协议特征带来 13.36% RMSE 改善，但 p=0.0868，未达统计显著；不同数据集 RMSE 不可直接横比。
泄漏风险、复现性与局限性
- 泄漏风险： 作者采用电芯独立单位、因果预测和删失不伪标记，设计降低常见泄漏；仍应审查测试样本交叠、协议特征的可用时点及模型冻结细节。
- 复现性： 中等；数据源和划分设计较清楚，传统基线可重做；摘要未能确认代码、完整超参、随机种子和逐电芯预测发布情况。
- 局限性： 主要外部点预测集仅 21 节；协议特征效果 p=0.0868 尚不显著；使用真实容量/SOH而非噪声 BMS 估值，且路由规则仍是待检验启发式。
是否值得跟进
- 结论： 强烈跟进。
- 理由与下一步： 其贡献在评估卫生、删失处理和跨协议测试，适合作为后续 benchmark 设计参照；核对全文数据清单与样本交叠，尝试复现 21 节 MATR 测试并增加真实 BMS 估值噪声。
查看关键词分类依据
- RUL prediction · 摘要包含「rul」
Online battery remaining-useful-life (RUL) predictions can be optimistic when cycles from the same cell cross data splits - SOH estimation · 摘要包含「soh」
est cells with a strict-80% state-of-health (SOH) endpoint provided the primary point evaluation; and 82 official MATR test cell - GRU · 摘要包含「gru」
gression, LSBoost, compact XGBoost, TCN, and GRU are reused as model backends. Protocol-aware metadata features serve as an opti - CNN · 摘要包含「tcn」
ridge regression, LSBoost, compact XGBoost, TCN, and GRU are reused as model backends. Protocol-aware metadata features serve a - XGBoost / boosting · 摘要包含「xgboost」
tic routes among ridge, LSBoost, and compact XGBoost using outer-training descriptors; it is a hypothesis, not a validated selector. - Random Forest · 摘要包含「random forest」
cantly outperformed ridge but not LSBoost or random forest. A HUST learning curve improved from 20 training cells to the full set, so the - Bayesian · 摘要包含「uncertainty」
e strict-endpoint sample size and early-life uncertainty remain unresolved. This study conducts algorithm-oriented offline evaluation us - NASA · 摘要包含「nasa」
-aware evaluation using a 209-cell pool from NASA, CALCE, HUST, and MATR. Of these, 86 cells formed the internal pool; 21 observe - CALCE · 摘要包含「calce」
evaluation using a 209-cell pool from NASA, CALCE, HUST, and MATR. Of these, 86 cells formed the internal pool; 21 observed-endpo - HUST · 摘要包含「hust」
tion using a 209-cell pool from NASA, CALCE, HUST, and MATR. Of these, 86 cells formed the internal pool; 21 observed-endpoint MA - Li-ion / LIB · 标题包含「lithium-ion」
-Useful-Life Prediction Across Heterogeneous Lithium-Ion Battery Protocols