Uncertainty-aware multi-step capacity trajectory forecasting for lithium-ion energy storage batteries using a convolution-based sparse Transformer

Maodong Xiao、Hongyu Qin、Haoyang Li、Jiaxiang Yu、Yuetong Xiao、Lei Wang

论文原文 ↗来源页面 ↗

3. Uncertainty-aware multi-step capacity trajectory forecasting for lithium-ion energy storage batteries using a convolution-based sparse Transformer

论文基本信息

字段 内容
DOI/URL/PDF DOI;OpenAlex 记录;未取得 PDF 链接
发现来源 source_history=OpenAlex;source URL 为 DOI;Crossref 题录
期刊/会议/平台 Journal of Energy Storage,Elsevier,Volume 181,article 124455;ISSN 2352-152X / 2352-1538
发表日期 OpenAlex publication_date=2026-09-09;Crossref created=2026-09-09、published=2026-12;在线发表日期未能确认
作者/机构 Maodong Xiao、Hongyu Qin、Haoyang Li、Jiaxiang Yu、Yuetong Xiao、Lei Wang;payload 机构包括 Beihang University、Electronic Navigation Research Institute、Institute of Navigation
通讯作者 Lei Wang(payload/OpenAlex 标注;对应 Beihang University)
脚本评分/证据等级 64;命中锂离子电池、容量轨迹预测、Transformer 和 Journal of Energy Storage 核心期刊层级;未见权威作者加分;元数据级
核验路径 payload pdf_url 为空 → DOI/URL web_extract 失败 → Crossref API 与 OpenAlex API 元数据成功;未获得 PDF 或摘要

纳入理由与原文证据

  • 主题/边界: 题名直接命中 lithium-ion energy storage batteries 的 multi-step capacity trajectory forecasting,属于 capacity fade/degradation trajectory 预测;是否将容量轨迹转换为 RUL/EOL 未能确认。
  • 证据: ① Crossref 题名明确包含 “Uncertainty-aware multi-step capacity trajectory forecasting” 和 “convolution-based sparse Transformer”:Crossref。② Crossref 将其标为 Journal of Energy Storage journal-article,并给出 article 124455:Crossref。

数据集/电池体系

  • 体系/数据: 只能确认锂离子储能电池和容量轨迹;公开/自建数据、系统规模、电芯化学体系、循环数、采样频率、输入变量和样本量均未说明。
  • 工况/跨域: 温度、倍率、SOC/DoD 窗口、充放电协议、现场运行数据、跨电芯/批次覆盖均未能确认。

EOL/RUL/SOH 定义

  • 目标/定义: 直接可确认的是多步容量轨迹预测,不足以推断论文输出 RUL、EOL 或 SOH;容量归一化、EOL 阈值、RUL 单位、预测起点和标签生成方式均未说明。
  • 未来信息风险: 需要检查多步标签是否使用完整未来曲线、滚动预测是否误用真实未来容量、归一化统计量是否跨测试集共享,以及不确定性区间是否在未来步长上正确校准。

模型方法

  • 流程: 题名层面可确认卷积型稀疏 Transformer 用于不确定性感知的多步轨迹预测;卷积位置、稀疏规则、输入窗口、概率输出、损失函数、baseline 和消融均未能确认。
  • 部署: 在线更新、边缘推理、内存/延迟、传感器约束和储能 BMS 部署均未说明。

验证设计

  • 划分/泛化: 随机窗口、按电芯留出、时间外推、协议留出、外部数据和独立测试集均未能确认;预测步长和滚动/直接多步策略也未说明。
  • 可信度: 信息不足。题录确认任务和期刊,但没有摘要/全文证据支撑不确定性质量或跨工况泛化。

指标与结果

  • 预测步长、容量轨迹 MAE/RMSE、区间覆盖率、校准误差、RUL/EOL 转换误差和测试集范围均未能确认。
  • 点预测、不确定性区间和任何寿命指标不能从元数据补全;脚本评分 64 不是实验结果。

泄漏风险、复现性与局限性

  • 泄漏风险: 信息不足;优先检查按电芯/时间切分、完整寿命曲线标签、滚动输入、归一化边界和区间校准是否使用测试信息。
  • 复现性: 低/信息不足。DOI、作者、机构和期刊可追溯,但数据、代码、超参、随机种子和模型权重未确认。
  • 局限性: ① 无全文与摘要;② Crossref 卷期晚于 OpenAlex 在线日期,在线发表关系未确认;③ 不能判断预测是否真实面向现场储能而非实验室曲线。

是否值得跟进

  • 结论: 跟进。
  • 理由与下一步: 多步轨迹与不确定性对寿命外推和风险决策有直接价值。下一步获取全文,优先核对预测跨度、区间覆盖/校准、按电芯时间切分、容量到 RUL/EOL 的转换,以及与简单退化模型和强时序 baseline 的比较。
查看关键词分类依据
  • Capacity fade / trajectory prediction · 标题包含「trajectory forecasting」
    Uncertainty-aware multi-step capacity trajectory forecasting for lithium-ion energy storage batteries using a convolution-based sparse Trans
  • Transformer / attention · 标题包含「transformer」
    e batteries using a convolution-based sparse Transformer
  • Bayesian · 标题包含「uncertainty」
    Uncertainty-aware multi-step capacity trajectory forecasting for lithium-ion energy storage
  • Li-ion / LIB · 标题包含「lithium-ion」
    lti-step capacity trajectory forecasting for lithium-ion energy storage batteries using a convolution-based sparse Transformer