Application of Machine Learning in Low‐Carbon Economy: A Comprehensive Review of Predicting Cycle Life of Lithium/Sodium‐Ion Batteries

1. Application of Machine Learning in Low-Carbon Economy: A Comprehensive Review of Predicting Cycle Life of Lithium/Sodium-Ion Batteries

论文基本信息

字段	内容
DOI/URL/PDF	DOI/出版社全文页；PDF 请求超时
发现来源	OpenAlex；来源历史仅 OpenAlex
期刊/会议/平台	Carbon Neutralization, Wiley
发表日期	2026-06-28，Wiley 标记 First published；Crossref published-online 同日
作者/机构	Bo Zhang、Xiao-Min Zou、Xin Wen、Jia-Lu Wu、Jing-Jing Pan、Xin Tan、Jamie L. Cross；Wenzhou University、University of Melbourne
通讯作者	Jing-Jing Pan、Xin Tan（出版社作者栏均标 Corresponding Author）
脚本评分/证据等级	58；命中 cycle-life prediction、ML；摘要级
核验路径	未提供 pdf_url；Wiley PDF 请求超时 → Wiley 全文落地页可核实题录、作者与摘要；以出版社页面为准，修正脚本作者拼写 Jiandi Wu 为 Jia-Lu Wu

纳入理由与原文证据

• 主题/边界： 论文聚焦锂离子与钠离子电池 cycle-life prediction，符合电池寿命预测范围；它是综述，不是一个新预测器。
• 证据： Wiley 摘要称其综合 ML 在锂/钠电 cycle-life prediction 的应用，并讨论监督、无监督、半监督和深度学习。见出版社摘要。

数据集/电池体系

• 体系/数据： 覆盖锂离子与钠离子电池，摘要提到实验及模拟研究；纳入论文清单、数据集名称、样本量和电芯规模在可访问摘要中未说明。
• 工况/跨域： 未能确认温度、倍率、SOC、化学体系间迁移覆盖，也不能据综述标题推定覆盖完整。

EOL/RUL/SOH 定义

• 目标/定义： 关注 cycle life；具体 EOL 阈值、cycle-life 标签构造与预测提前量未能从摘要确认。
• 未来信息风险： 综述本身不建立预测标签；被综述研究是否使用完整寿命曲线、后验特征或跨电芯泄漏，摘要未给出，需读全文后逐篇检查。

模型方法

• 流程： 该文是方法综述，摘要列出监督、无监督、半监督与深度学习类别；没有证据支持将任何特定网络、特征或融合流程归属于本文新提出的方法。
• 部署： 未说明实时推理、BMS 算力或在线更新。

验证设计

• 划分/泛化： 摘要未说明数据库检索式、筛选标准、纳入篇数、按电芯划分或跨化学体系验证汇总方式。
• 可信度： 信息不足；主题直接，但仅凭摘要无法评价综述的系统性与偏倚控制。

指标与结果

• 摘要未报告可复核的原始预测指标或统一 benchmark 数字；不得把脚本评分当作实验结果。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；需核对被综述实验的电芯级隔离、早期寿命输入与测试集调参。
• 复现性： 低至信息不足；摘要没有检索日期、数据库和筛选流程细节，PDF 未能取回。
• 局限性： 当前证据只支持“主题相关的综述”；覆盖深度、研究质量评价与钠电证据量均未能确认。标题中的“comprehensive”不能代替实际检索覆盖证据；也不能仅凭摘要判断其对 cycle-life、SOH 与寿命估计等相邻任务是否有清晰边界。正式引用前应对照全文的方法表和参考文献核实综述范围。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 可作为锂/钠电 cycle-life 预测的分类入口。下一步获取全文，提取其筛选方法、数据集/任务表与跨化学体系结论；在补全文前不引用具体方法优劣。