Evaluating Deep Learning Models for Lithium-Ion Battery RUL Prediction via Unified Benchmarks: A Comparative Study

5. Evaluating Deep Learning Models for Lithium-Ion Battery RUL Prediction via Unified Benchmarks: A Comparative Study

论文基本信息

字段	内容
DOI/URL/PDF	DOI：10.3390/en19204945；MDPI出版社文章页（PDF端点本次未返回可读内容）
发现来源	Crossref；source_history=Crossref。
期刊	Energies，2026，19(20)，4945。
发表日期	MDPI出版社页列2026-10-18；Crossref记录为2026-10-19，存在一天差异，按出版社日期列示。
作者	Ying Li、Xiangqu Guo、Xianhe Wang、Jing Fu、Yichen Li、Carlos Lima、Adriano Tavares、Yanchun Liang；出版社列示珠海科技学院、米尼奥大学等机构。
通讯作者	Xianhe Wang、Yanchun Liang；出版社页以星号标注并说明为通讯作者。
脚本评分	79；评分命中RUL、深度学习和NASA数据集等主题线索，不等于基准质量判断。
证据等级	摘要级；PDF端点返回空内容，出版社文章页可读取题录、通讯作者及摘要，未确认完整实验章节。
核验路径	先尝试payload DOI对应PDF端点，抓取为空；随后读取MDPI文章页摘要/作者信息，并用题名与DOI核对Crossref记录。

纳入理由与原文证据

• 主题/边界： 直接比较锂离子电池RUL预测模型，且研究目标是统一基准与模型选择，属于寿命预测。
• 证据： 出版社摘要称使用NASA PCoE数据比较六类架构共24个模型，报告WaveNet、TCN和CNN的RMSE结果；来源见MDPI文章页。

数据集/电池体系

• 体系/数据： NASA PCoE锂离子电池数据集，涵盖多个温度和放电电流；细胞数量、型号、化学体系、数据版本和样本筛选规则未在可读摘要确认。
• 工况/跨域： 摘要说明多温度、多放电电流，但没有说明这些工况是否分别留出测试，或训练/测试是否按电芯隔离。

EOL/RUL/SOH 定义

• 目标/定义： 任务为RUL预测；摘要未说明EOL阈值、RUL标签单位/生成过程及预测起点。
• 未来信息风险： 全部模型采用45循环窗口移动平均平滑，需检查窗口是否跨越训练/测试边界或使用预测时点之后的数据；指标归一化方式也未说明。

模型方法

• 流程： 标准化输入与45循环移动平均预处理→比较六类架构、24个深度学习模型→准确性与计算效率评估并作Pareto分析。可见摘要列出WaveNet、TCN、CNN，但未给出全部架构名和实现细节。
• 部署： 评估包含计算效率，但摘要未提供具体延迟、内存、硬件或在线BMS验证数值。

验证设计

• 划分/泛化： NASA PCoE数据覆盖多温度和放电电流；出版社摘要未说明按电芯/时间划分、外部数据集测试、独立验证集或调参程序。
• 可信度： 信息不足；统一预处理和多模型对照利于公平比较，但若划分协议、重复运行和调参边界不透明，结论可复核性有限。

指标

• 摘要报告WaveNet RMSE=0.0194、R²=0.9834，TCN RMSE=0.0247，CNN RMSE=0.0307；RMSE的归一化/量纲及测试集合口径未在可读摘要说明，不能直接与其他论文数值横比。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；首要检查移动平均是否因果、样本窗口是否跨电芯/划分边界，以及标准化和模型选择是否只在训练/验证集拟合。
• 复现性： 信息不足；数据源、模型数、预处理窗口与部分结果已知，代码、配置、随机种子、精确切分和完整计算成本未确认。
• 局限性： ①只见摘要，无法审查24模型实现公平性；②测试拆分与误差量纲缺失；③单一数据来源，不足以证明跨数据集泛化。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 统一协议的模型比较可能为后续实验提供基线，但必须先确认划分与预处理边界。优先取得全文及代码，复核电芯级独立测试、45循环平滑的因果性和RMSE单位。