Early-Cycle Lifetime Prediction of Lithium-Ion Batteries with Ultra-Short Cycle Life Using Transferable Statistical Features

论文卡片 4

基本信息

标题：Early-Cycle Lifetime Prediction of Lithium-Ion Batteries with Ultra-Short Cycle Life Using Transferable Statistical Features
DOI/URL：https://doi.org/10.3390/batteries12070236
期刊/会议/预印本平台：Batteries
发表日期：2026-06-29
作者和机构：Yuxiang Kuang、Dongxu Guo、Yuejiu Zheng；School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China
通讯作者：Dongxu Guo（MDPI 页面星号标注 Author to whom correspondence should be addressed，Email: guodongxu@usst.edu.cn）
脚本评分：68
期刊指标核验：未核验；脚本标注为 specialized battery journal。

纳入理由和命中证据

题名明确为 early-cycle lifetime prediction；摘要说明“early cycle-life prediction”“capacity fade”“degradation signals”，直接属于电池寿命预测。

创新点

只用第 10 与第 3 循环之间的 discharge capacity-difference profiles 提取早期退化电压形貌。
提出 EDVM-based framework，包含两个统计特征和一个 degradation mode voltage signature（DMVS）。
用 DMVS 解释早期退化异质性，并聚类出三类退化行为。

主要内容

文章面向超短循环寿命电芯的快速筛选、开发与制造质控，强调在初期容量衰减非常有限时提取弱退化信号。MDPI 页面图注确认有 degradation trajectories/lifespan distribution、XGBoost 与 GPR/Elastic Net 对比、SHAP feature attribution、DMVS clustering。

模型架构/方法流程

流程为：提取第 10 与第 3 循环 discharge capacity-difference profiles → 构建 EDVM 统计特征与 DMVS → XGBoost 预测 cycle life → 与 GPR、Elastic Net 比较 → SHAP 解释 → 分析 DMVS 聚类与寿命分布。

输入特征与输出目标

输入特征：两个 statistical features + 一个 DMVS feature；来自早期 discharge capacity-difference profiles。
输出目标：cycle life / lifetime。

数据来源/数据结构/电池类型/循环协议

电池类型：commercial NCM811 cylindrical cells。
样本数：138 cells。
使用窗口：first 10 cycles。
循环协议细节：需继续阅读全文表格确认；当前抓取片段未完整覆盖。

结果指标

摘要报告：使用前 10 cycles 达到 MAPE 12.29%。图注显示用 predicted vs true cycle life scatter 和 error distribution box plots 展示性能。

Baseline/对比方法

MDPI 图注确认 baseline 包括 GPR 与 Elastic Net；XGBoost 为主框架。

泄漏风险/局限性/复现性

泄漏风险：中等。需确认 138 电芯是否按 cell-level split，是否在全体上进行特征筛选/调参。
局限性：只在 NCM811 圆柱电芯上验证，跨化学体系/跨制造批次泛化仍需外部验证。
复现性：全文页面可访问；代码/原始数据开源状态未在当前抓取片段确认。

对哥哥研究/落地的启发和后续动作

可借鉴“极早期差分曲线 + 低维统计/物理可解释特征”的思路，适合制造质检和快速筛选。
后续动作：下载全文并抽取 EDVM/DMVS 的数学定义，加入早期寿命预测特征库。