A self-supervised framework with Gramian angular field for few-shot battery state of health prediction

论文卡片 4

基本信息

• **标题：**A self-supervised framework with Gramian angular field for few-shot battery state of health prediction
• **作者：**H X Xu；Yunxiao Shan；Yuxin Cui；Wei Zhang；Minghua Chen；S Li
• **期刊：**Journal of Energy Storage
• **日期：**2026-06-15
• **DOI：**https://doi.org/10.1016/j.est.2026.123210
• **URL：**https://doi.org/10.1016/j.est.2026.123210
• **PDF：**未发现开放 PDF
• **开放状态：**open access=false
• **评分：**64
• **评分理由：**battery/SOH/health prediction 命中；Journal of Energy Storage Q1/core storage journal tier 加分。
• **期刊 tier/ISSN：**core storage journal / Q1；ISSN 2352-152X、2352-1538。

纳入理由和命中证据

题名明确为 battery SOH prediction，并且强调 few-shot。搜索结果显示 ScienceDirect 条目存在（PII S2352152X26028744），摘要片段称该框架通过 imaging 提升特征表达并解决小样本 SOH 预测挑战。

创新点

• Gramian Angular Field 将时间序列转换为图像表达。
• 自监督学习用于少样本 SOH 预测。
• 关注小样本条件，比常规大数据深度模型更贴近实际 BMS 数据稀缺场景。

主要内容

元数据级判断：该研究将电池健康时序转为 GAF 图像，并用自监督预训练/表征学习缓解少样本 SOH 标签不足。

模型架构/方法流程

未能从可访问内容确认完整流程。可确认方向为时间序列 → GAF 图像化 → 自监督表征学习 → few-shot SOH prediction。

输入特征与输出目标

• **输入特征：**可能为电压/容量/充放电曲线等时间序列；具体未知。
• **输出目标：**SOH。

数据来源/数据结构/电池类型/循环协议

未能从可访问内容确认。需全文核验是否使用 NASA/CALCE/Oxford/HUST 等公开数据或自建数据。

结果指标

未能从可访问内容确认。

Baseline/对比方法

未能从可访问内容确认。

泄漏风险、局限性、复现性

• **泄漏风险：中。**自监督预训练若使用测试电池未标注循环，可能构成 transductive 泄漏；GAF 转换若归一化使用全生命周期信息也有风险。
• **局限性：**全文不可访问；few-shot 设置的真实性需核验。
• **复现性：信息不足。**未确认代码、预训练任务和采样策略。

对哥哥研究/落地的启发和后续动作

• 适合作为“少样本 SOH/跨电池迁移”方向跟进。
• 后续动作：获取全文，检查 few-shot episode 划分、预训练是否跨测试电池、GAF 归一化边界。

数据集/电池体系

未知。

EOL/RUL/SOH 定义

SOH；具体容量型/内阻型定义未知。

模型方法

Self-supervised learning + Gramian Angular Field。

验证设计

未知；需核查 few-shot 协议。

指标

未知。

泄漏风险

中；重点关注自监督预训练数据边界。

复现性

信息不足。

局限性

全文不可访问；数据与指标未知。

是否值得跟进

**强烈跟进。**少样本 SOH 对落地很有价值。

---