Cross-domain thermal-health prediction and early warning for lithium-ion batteries via dual-stream network
Penghui Tian、Xichao Li、Xiaojun Yang、Bo Wang、Yanhong Liu
4. Cross-domain thermal-health prediction and early warning for lithium-ion batteries via dual-stream network
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | DOI;Frontiers 全文;PDF |
| 发现来源 | OpenAlex;来源 URL 为 DOI,本轮新入库。 |
| 期刊/会议/平台 | Frontiers in Energy Research,14:1975958 |
| 发表日期 | 2026-10-27,Frontiers 页面明确标注 Published。 |
| 作者/机构 | Penghui Tian、Xichao Li、Xiaojun Yang、Bo Wang、Yanhong Liu;China Resources New Energy Investment、郑州大学、XJ Electric。 |
| 脚本评分/证据等级 | 67 / 全文级;以 Frontiers 全文和 PDF 核实。 |
| 通讯作者 | Yanhong Liu;Frontiers 页面列有通讯信息。 |
| 核验路径 | payload PDF URL → Frontiers PDF 可读;Frontiers 全文页核对作者、机构、日期、数据划分和实验结果。 |
纳入理由与原文证据
- 主题/边界: 论文联合预测 SOH 与温度并进行早期热风险预警。它没有直接预测 RUL/EOL,但 SOH 是明确寿命/健康目标,故纳入并标记为相邻热安全任务。
- 证据: 摘要报告 XJTU 动态工况 SOH MAE 0.011、最大温度 MAE 0.898°C,NASA 跨环境迁移 SOH MAE 0.022。Frontiers 全文
数据集/电池体系
- 体系/数据: XJTU 数据为 NMC 18650 电芯,固定工况子集 23 节、动态工况 16 节;固定放电 1C,动态倍率为 0.5、1、2、3、5C。NASA 子集含室温组 4 节与低温组 4 节。均为锂离子电池。
- 工况/跨域: NASA 组 A/B 环境温度为 24°C/4°C,放电截止电压也不同;研究测试固定↔动态迁移及 NASA 跨环境迁移。没有报告真实车队 BMS 数据验证。
EOL/RUL/SOH 定义
- 目标/定义: SOH 定义为当前放电容量除以标称容量,所有电芯标称容量 2.0 Ah;另预测平均/最大温度和温差。未直接定义或预测 EOL/RUL。
- 未来信息风险: 作者说明同一电芯不会跨训练/测试分区;告警参数仅用训练/验证数据调节。迁移实验中会用少量目标域标签微调,部署时需要明确可用标签时点。
模型方法
- 流程: 14 个按周期提取的物理启发特征 → 并行 TCN 捕获局部热变化、Mamba 表征长期退化 → 门控融合、多任务预测头;以 MMD 分布对齐做少样本域适配,并对高温区域加权。
- 部署: 从预测状态转为分层告警;传感器布置、模型推断延迟、内存和边缘算力未能确认。
验证设计
- 划分/泛化: XJTU 固定与动态子集采用按电芯分组的四折交叉验证;跨工况迁移用 4 个随机目标域电芯微调,其余电芯测试;NASA 使用 A→B 跨环境迁移。
- 可信度: 中;公开数据、按电芯划分和独立迁移测试是优点,但总电芯数有限,目标域微调仍需在实际部署约束下评估。
指标与结果
- XJTU 动态场景 SOH MAE 0.011、最大温度 MAE 0.898°C;NASA 迁移 SOH MAE 0.022。告警评估 27 个测试案例:25 次及时、1 次稍迟、1 次迟到、0 次漏报;及时响应率 92.6%,平均提前量 48.6±28.4 周期。告警指标不是 RUL 点预测精度。
泄漏风险、复现性与局限性
- 泄漏风险: 低至中;论文声称电芯级互斥切分、告警阈值仅由训练/验证数据确定,但目标域少样本微调与实际可获得性仍需核实。
- 复现性: 中;数据来源公开,文章及补充材料可读;当前未确认代码或完整环境配置公开。
- 局限性: 电芯和预警事件数较少;跨域结果受目标域标注微调条件影响;热预警只能作为 SOH/安全辅助,不可替代寿命终点预测。
是否值得跟进
- 结论: 强烈跟进。
- 理由与下一步: 其按电芯划分和跨环境迁移设计适合作为稳健性参照。建议复现 XJTU/NASA 划分,检查零填充引入的域特征及微调标签需求,并单独报告 SOH 误差与热告警提前量。
查看关键词分类依据
- SOH estimation · 摘要包含「state of health」
The joint prediction of thermal states and State of Health (SOH) is vital to ensure the safe operation and reliable management of lithium- - Transfer learning / domain adaptation · 摘要包含「domain adaptation」
dopted to realize few-shot cross-environment domain adaptation. After alignment-based pre-training, a small number of labeled target-domain sa - Mamba / state space model · 摘要包含「mamba」
ork captures local thermal dynamics, while a Mamba model characterizes long-range degradation evolution. The outputs of the two br - CNN · 摘要包含「convolutional」
e contains two parallel branches: a temporal convolutional network captures local thermal dynamics, while a Mamba model characterizes long - Hybrid model · 摘要包含「fusion」
the two branches are fed into adaptive gated fusion modules followed by task-specific prediction heads. An auxiliary temperature di - NASA · 摘要包含「nasa」
ure. Cross-environment transfer tests on the NASA dataset obtain an SOH MAE of 0.022. Relying on the prediction results, the prop - XJTU · 摘要包含「xjtu」
Experiments under dynamic conditions on the XJTU dataset demonstrate that the proposed model achieves competitive performance, w - Li-ion / LIB · 标题包含「lithium-ion」
rmal-health prediction and early warning for lithium-ion batteries via dual-stream network