Joint prediction of SOH and RUL of lithium-ion batteries using single-cycle charging data

7. Joint prediction of SOH and RUL of lithium-ion batteries using single-cycle charging data

论文基本信息

字段	内容
DOI/URL/PDF	Energy/DOI记录；可读RePEc摘要，全文本次未能取得。
发现来源	Crossref；source_history=Crossref。由低分复核队列人工提升。
期刊	Energy，336卷，文章号138351。
发表日期	Crossref仅登记2025-11（月级）；Nature Index题录另列2025-11-01，故日级日期保留为待核。
作者/机构	Jinyu Chen、Pan Li、Lifeng Wu；Crossref未提供机构，不能由作者名单推断团队单位。
通讯作者	未能确认。
脚本评分/证据等级	52；SOH/RUL联合目标、锂离子与开放获取/引用线索；摘要级。
核验路径	payload无PDF；ScienceDirect页面提取失败，随后用RePEc完整摘要与Crossref DOI题录交叉核对标题、作者、卷期和摘要。

纳入理由与原文证据

• 主题/边界： 联合预测SOH与RUL，且输入限制为单个充电周期，直接属于电池健康与寿命预测。
• 证据： 摘要称CNN-PCC提取特征并与手工特征融合，SOH与RUL RMSE相对单任务模型分别降低35.3%与37.3%；见RePEc摘要。

数据集/电池体系

• 体系/数据： 锂离子电池；可访问摘要未说明NASA、CALCE或其他数据集、样本量、化学体系及电池数量。
• 工况/跨域： 摘要称可处理复杂快充场景，但具体充电倍率、温度和训练/测试跨电池方案未说明。

EOL/RUL/SOH 定义

• 目标/定义： SOH和RUL联合输出；SOH定义、RUL单位、EOL阈值及标签构造均未说明。不能从“单周期充电数据”推断标签必然无未来信息。
• 未来信息风险： 需要确认输入周期在预测时是否完整可得、特征处理是否依赖后续循环，以及训练/测试按电芯隔离。

模型方法

• 流程： 2D-CNN与Pearson相关系数构成CNN-PCC特征提取器，提取与SOH/RUL相关的特征，再与手工特征形成多尺度混合特征，进入联合预测框架；摘要称强调两个目标间耦合。
• 部署： 单次充电数据有潜在在线价值，但未报告BMS实机、推理耗时或传感器部署信息。

验证设计

• 划分/泛化： 摘要称优于现有单任务模型并有泛化改善，但未披露数据集、切分、对照模型清单或外部验证。
• 可信度： 信息不足；相对改进数字可确认，但绝对误差和独立测试设计缺失。

指标与结果

• 摘要报告相对单任务模型的SOH RMSE降低35.3%、RUL RMSE降低37.3%；未报告绝对RMSE、误差单位、测试样本数或各工况结果。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；首要核对同电芯切分、PCC特征选择是否只在训练集拟合、快充数据是否在训练与测试重复。
• 复现性： 低至中；网络概述清楚，但摘要未列数据集、完整超参数、代码或随机种子。
• 局限性： ①没有绝对指标；②电池体系与样本量未知；③摘要的泛化结论缺少切分细节支持。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 单周期输入和联合目标符合BMS实践需求。取得全文后优先检查测试电芯隔离、基线公平性以及RUL的EOL标签与单位。