Multi-scale feature-driven state of health estimation and weighted convolution-based remaining useful life prediction for lithium-ion batteries

1. Multi-scale feature-driven state of health estimation and weighted convolution-based remaining useful life prediction for lithium-ion batteries

基本信息

• 标题：Multi-scale feature-driven state of health estimation and weighted convolution-based remaining useful life prediction for lithium-ion batteries
• DOI/URL：https://doi.org/10.1016/j.est.2026.124045
• 期刊/会议/预印本平台：Journal of Energy Storage
• 发表日期：2026-08-04
• 作者和机构：Jun Zhou, Junbang Ma, Xing Wu, Tao Liu；机构未能从可访问内容确认
• 通讯作者：未能确认
• 脚本评分：68
• 期刊指标核验：未核验；脚本期刊分层为 core storage journal / Q1

纳入理由和命中证据

• 题名直接包含 state of health estimation 与 remaining useful life prediction，符合 SOH/RUL 主题。
• 检索页面片段显示“joint framework is proposed for battery SOH estimation and RUL prediction；multi-scale health features are extracted to capture degradation dynamics”。
• 与普通材料/调度论文不同：目标是健康状态估计和剩余寿命预测，而不是单纯电极材料性能或系统能量管理。

创新点

• 从题名和检索片段看，创新点可能在多尺度健康特征提取与加权卷积 RUL 预测的组合。
• 由于 ScienceDirect/DOI 内容抓取失败，具体网络结构、权重机制和训练策略未能确认。

主要内容

• 目标：联合处理锂离子电池 SOH 估计与 RUL 预测。
• 方法：多尺度特征驱动 + weighted convolution-based predictor；细节需全文确认。

模型方法 / 模型架构/方法流程

• 未能从可访问内容确认完整流程。
• 可确认关键词：multi-scale feature-driven、weighted convolution、SOH estimation、RUL prediction。

输入特征与输出目标

• 输入特征：多尺度 health features，具体是否来自电压/电流/温度/容量曲线/ICA/DVA 未能确认。
• 输出目标：SOH 与 RUL。

数据集/电池体系 / 数据来源/数据结构/电池类型/循环协议

• 电池类型：锂离子电池。
• 数据集、样本数、循环协议、温度倍率、训练/测试划分：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/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。重点需检查是否按电池划分训练测试，是否使用未来循环片段或全生命周期归一化。
• 局限性：当前无法确认跨工况/跨数据集泛化。
• 复现性：信息不足；未确认代码和数据是否开放。

是否值得跟进 / 对哥哥研究/落地的启发和后续动作

• 结论：跟进。
• 后续动作：获取 ScienceDirect 全文；重点抽取多尺度特征定义、weighted convolution 设计、数据集划分与误差指标；若验证严格，可加入 SOH+RUL 联合建模对比表。

---