A novel framework with dynamic spatiotemporal graph modeling and adaptive optimization for lithium-ion battery remaining useful life prediction

论文卡片 3

基本信息

• **标题：**A novel framework with dynamic spatiotemporal graph modeling and adaptive optimization for lithium-ion battery remaining useful life prediction
• **作者：**T Liu；Weiwei Li；Z K Li；Shangbo Wu；Weiwei Huo
• **期刊：**Applied Energy
• **日期：**2026-06-13
• **DOI：**https://doi.org/10.1016/j.apenergy.2026.128211
• **URL：**https://doi.org/10.1016/j.apenergy.2026.128211
• **PDF：**未发现开放 PDF
• **开放状态：**open access=false
• **评分：**66
• **评分理由：**lithium-ion/RUL/life prediction 命中；Applied Energy Q1/core energy systems journal tier 加分。
• **期刊 tier/ISSN：**core energy systems journal / Q1；ISSN 0306-2619、1872-9118。

纳入理由和命中证据

题名明确为锂离子电池 RUL 预测。搜索结果显示 ScienceDirect 条目存在（PII S0306261926008652），摘要片段称该方法结合 bio-inspired optimization、topological dependency modeling 与 mathematical dimensionality reduction，用于 RUL 评估。DOI 与 ScienceDirect 页面均未能抓取正文。

创新点

• 可能从电池/特征之间的拓扑依赖构建动态时空图。
• 引入自适应或生物启发优化。
• 可能结合降维提升 RUL 评估稳定性。

主要内容

元数据级判断：该文面向锂电 RUL，重点是动态图/时空依赖建模；相比普通 LSTM/attention，可能更关注多变量或多电池之间的结构关系。

模型架构/方法流程

未能从可访问内容确认完整架构。可确认关键词为 dynamic spatiotemporal graph modeling、adaptive optimization、topological dependency modeling、dimensionality reduction。

输入特征与输出目标

• **输入特征：**未说明/未能从可访问内容确认。
• **输出目标：**锂电 RUL。

数据来源/数据结构/电池类型/循环协议

• **电池体系：**Li-ion。
• **数据来源、循环协议、样本数：**未能从可访问内容确认。

结果指标

未能从可访问内容确认 MAE/RMSE/MAPE/R²/cycle error 等指标。

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：信息不足。**图模型可能在构图时引入全数据统计或测试集拓扑信息，需要重点核查。
• **局限性：**全文不可访问，无法评估结果可信度。
• **复现性：信息不足。**未确认代码和数据。

对哥哥研究/落地的启发和后续动作

• Applied Energy 质量较高，值得优先通过机构/图书馆获取全文。
• 后续重点：动态图节点/边定义、是否按电池外推、构图是否只使用训练信息。

数据集/电池体系

Li-ion；具体数据集未知。

EOL/RUL/SOH 定义

RUL；EOL 阈值未知。

模型方法

动态时空图建模 + 自适应优化（摘要/元数据级）。

验证设计

未知。

指标

未知。

泄漏风险

信息不足；重点核查图构造泄漏。

复现性

信息不足。

局限性

全文不可访问；方法细节和指标未知。

是否值得跟进

**强烈跟进。**期刊与主题均强，但必须获取全文后再评估。

---