Research on State Evaluation Method of Energy Storage Lithium-Ion Batteries Based on Multi-Source Non-Invasive Big Data
Junqi Zhang、Ruisheng Diao
1. Research on State Evaluation Method of Energy Storage Lithium-Ion Batteries Based on Multi-Source Non-Invasive Big Data
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | DOI/出版社页面；所给PDF链接返回题录和摘要，未见可核全文文本 |
| 发现来源 | OpenAlex；来源历史：OpenAlex |
| 期刊/会议/平台 | Journal of Environmental & Earth Sciences，2026，Vol.8，Issue 8 |
| 发表日期 | 2026-08-12；出版社PDF记录及文章页摘要元数据 |
| 作者/机构 | Junqi Zhang、Ruisheng Diao；出版社页列浙江大学—UIUC联合学院及浙江大学国际校区，作者与单位逐一对应未能确认 |
| 通讯作者 | 未能确认；可读页面未将通讯标记明确对应到姓名 |
| 脚本评分/证据等级 | 58；摘要级；命中SOH评估、非侵入式诊断和机器学习 |
| 核验路径 | 先请求payload的PDF链接，获得文章题名、日期、作者和摘要记录；再核对期刊文章页及DOI解析页。未取得正文，按摘要级记录 |
纳入理由与原文证据
- 主题/边界： 论文综述锂离子电池SOH表征/估计，并提出非侵入式评估框架，符合SOH主题；但其摘要未证明该框架完成独立电池实验，作为方法综述而非已验证预测模型解读。
- 证据： 摘要称综述“fast impedance-based SOH estimation”，并提出结合特征选择、快速阻抗计算与在线估计的统一框架；见出版社摘要。
数据集/电池体系
- 体系/数据： 讨论锂离子电池及电压、电流、温度、阻抗等非侵入式信号；没有报告本文自有电芯、数据集、样本数或公开数据。
- 工况/跨域： 摘要讨论温度变化、数据质量和部署限制，但未提供倍率、温度范围或跨电芯/化学体系验证设计。
EOL/RUL/SOH 定义
- 目标/定义： 目标是SOH评估/估计；没有说明SOH标签计算、容量阈值、误差单位或EOL定义。
- 未来信息风险： 摘要没有给出训练测试划分，无法判断归一化、特征筛选或在线更新是否使用未来信息；不能据此认定无泄漏。
模型方法
- 流程： 论文综合相关研究并提出GPR-ARD特征筛选、快速阻抗计算、轻量ELM在线估计和云边模型更新的框架；这些是摘要中提出的组件，不应当作已完成消融验证的本文实验结果。
- 部署： 摘要讨论计算成本、延迟、带宽和网络安全，但未报告实际运行时间、硬件或部署测量。
验证设计
- 划分/泛化： 未报告数据集、独立测试或外部验证；摘要属于文献综述与框架提议。
- 可信度： 信息不足。主题明确，但无可复核的本文实验流程与测试设计。
指标与结果
- 未能确认本文原创的预测指标、数值结果、基线或置信区间；不得把框架讨论写成实验性能。分类、预警和不确定性结果未说明。
泄漏风险、复现性与局限性
- 泄漏风险： 信息不足；重点待核验是否存在使用完整寿命曲线筛选特征、测试集调参或在线阶段未来数据泄漏。
- 复现性： 信息不足；未确认代码、数据、参数、随机种子或实现细节公开。
- 局限性： 缺少实测验证；SOH标注规则和数据规模未知；跨温度/电芯泛化及云边部署成本尚无可核证结果。
是否值得跟进
- 结论： 观望。
- 理由与下一步： 非侵入式阻抗与云边更新对BMS有参考价值，但当前摘要不足以证明框架收益。后续先取正文核查引用研究、实验与可复现代码，再决定是否用于方法基准。
查看关键词分类依据
- SOH estimation · 摘要包含「state of health」
s depend heavily on the proper assessment of State of Health (SOH). Conventional invasive measurements provide detailed information; however - Generic neural network / deep learning · 摘要包含「data-driven」
oltage, current, temperature, impedance, and data-driven modeling better suited for battery management at scale. In this paper, three re - Generic machine learning · 摘要包含「feature selection」
atic Relevance Determination (GPR-ARD)-based feature selection, fast impedance calculation, lightweight Extreme Learning Machine (ELM)-based o - Gaussian Process · 摘要包含「gaussian process」
uation framework is proposed, which combines Gaussian Process Regression-Automatic Relevance Determination (GPR-ARD)-based feature selection, - Hybrid model · 摘要包含「fusion」
physical interpretability, multi-source data fusion, and deployment-oriented model design. - ECM / electrochemical model · 摘要包含「electrochemical」
rning diagnosis of degradation patterns from electrochemical impedance spectroscopy, are reviewed and synthesized. Rather than analyzing eac - Li-ion / LIB · 标题包含「lithium-ion」
on State Evaluation Method of Energy Storage Lithium-Ion Batteries Based on Multi-Source Non-Invasive Big Data