A Reference-Based Feature Representation Approach for Battery Remaining Useful Life Prediction Using K-Nearest Neighbors Regression

6. A Reference-Based Feature Representation Approach for Battery Remaining Useful Life Prediction Using K-Nearest Neighbors Regression

论文基本信息

字段	内容
DOI/URL/PDF	DOI/期刊页面；本次成功读取期刊PDF全文。
发现来源	OpenAlex；source_history=OpenAlex。由低分复核队列人工提升。
期刊	Journal of Science and Technology，5卷1期，25–39页。
发表日期	2026-06-29，DergiPark与Crossref题录一致。
作者/机构	Recai Özcan、Ferhat Koca；两人均署名Sivas Cumhuriyet University Mechatronics Engineering/Faculty of Technology。
通讯作者	Recai Özcan；PDF以星号标记并列邮箱。
脚本评分/证据等级	52；直接RUL、NASA PCoE、KNN与battery-wise CV提示；全文级。
核验路径	先尝试PDF URL，下载成功并读取全文；再以DergiPark页面、DOI/Crossref核对作者、日期、期刊和摘要。

纳入理由与原文证据

• 主题/边界： 论文直接预测锂离子电池RUL，且专门检验跨电池泛化，符合寿命预测主题。
• 证据： 全文定义RUL为该电池最后有效循环索引减当前循环，并以GroupKFold按电池留一验证；摘要报告RFR优于AFR。见全文PDF。

数据集/电池体系

• 体系/数据： NASA PCoE锂离子数据，B0005、B0006、B0007、B0018四颗电池；只用放电阶段，提取电压与温度共20项统计/时间特征。低于1.4 Ah的循环在建模前移除。
• 工况/跨域： NASA实验室数据；论文按电池GroupKFold四折，每折整颗电池测试。没有跨化学体系或外部数据。

EOL/RUL/SOH 定义

• 目标/定义： EOL用容量低于1.4 Ah的循环过滤界定；RUL=Nmax−i，再除以Nmax归一化至0–1。不是常见80%阈值，本文给定的是1.4 Ah。
• 未来信息风险： 归一化分母Nmax来自每颗电池最后有效循环，部署时未知；模型预测的是归一化寿命比例，转换为实际剩余循环需审慎。全文称测试电池不进入训练，但参考周期选取/PCA是否在每个fold内重做不清楚。

模型方法

• 流程： 对AFR绝对特征与RFR相对参考周期的特征差值进行比较；RFR使用候选循环7–25中的PCA代表周期（Cycle 15），再以KNN（k=5、均匀权重、欧氏距离）回归。两种表示使用相同模型参数。
• 部署： Python 3.10、scikit-learn；作者称标准桌面硬件、无GPU。实际BMS推理延迟未报告。

验证设计

• 划分/泛化： 四颗电池GroupKFold，每折留一颗；StandardScaler仅在训练折拟合。相关性分析在全数据上用于解释而未用于特征选择；但PCA参考周期的候选池是否含测试折需进一步检查。
• 可信度： 中；有电池级切分和训练折缩放，然而测试目标归一化使用寿命终点，且全局参考周期形成流程可能引入测试分布信息。

指标与结果

• 全文报告归一化RUL上RFR平均MAE 0.096、RMSE 0.120、R² 0.825；AFR对应0.148、0.173、0.637。各值为四折平均，非实际循环单位。测试电池仅4颗。

泄漏风险、复现性与局限性

• 泄漏风险： 中至高；重点在真实推理时无法知道Nmax，以及PCA参考周期是否利用了留出电池特征；标准化部分明确仅由训练折拟合。
• 复现性： 中；公开NASA数据、Python/工具和KNN参数有说明，GroupKFold确定性；未见作者代码链接，数据仅4颗电池。
• 局限性： ①样本仅4颗、仅放电特征；②仅比较KNN且不调参；③标签归一化与参考周期流程需验证能否在线复现。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 全文呈现清楚的电池级划分，是检验特征表示影响的可复现基线。复现时把参考周期选择严格放入训练折，并同时报告归一化比例与cycle数RUL，避免Nmax oracle问题。