Remaining useful life prediction of lithium-ion battery based on real-time decomposition and tightly coupled convolutional informer

3. Remaining useful life prediction of lithium-ion battery based on real-time decomposition and tightly coupled convolutional informer

论文基本信息

字段	内容
DOI/URL/PDF	DOI/出版方摘要页；PDF本轮未能获取
发现来源	Crossref/Venue；复核队列晋级；来源历史：Crossref/Venue
期刊	Renewable Energy 253，文章123641
发表日期	2025-11（ScienceDirect卷期页面；payload Crossref为2025-11-01）
作者/机构	Jinxin Wu、Deqiang He、Zhenzhen Jin、Ming Zhao、Haimeng Sun、Yanbo Wang；题录关联广西大学及广西柳工机械（出版社摘要页未展开完整单位映射）
通讯作者	DOI题录标注Deqiang He、Ming Zhao；出版社摘要摘录未显示通讯标记，需全文确认
脚本评分/证据等级	52；摘要级；因复核队列主题明确而晋级；命中：RUL、Informer、Renewable Energy
核验路径	题录DOI → ScienceDirect出版社摘要页成功，确认文章、卷期、摘要与数值；PDF需机构权限，本轮未取得

纳入理由与原文证据

• 主题/边界： 标题与出版社摘要明确预测锂离子电池RUL，直接符合范围；非一般故障分类。
• 证据： 摘要称在三套LIB老化数据上比较，并提出逐步实时变分模态分解与卷积Informer组合；最大MAPE、RMSE、MAE分别报告0.015、0.008、0.006。ScienceDirect摘要

数据集/电池体系

• 体系/数据： 三套Li-ion老化数据；出版社正文片段称一套自测数据与两套公开数据，具体数据集名称、样本/电芯数量未能确认。
• 工况/跨域： 摘要未说明温度、倍率、测试设备和化学体系差异；不能把三套数据等同于三种独立化学体系。

EOL/RUL/SOH 定义

• 目标/定义： RUL定义为当前时刻到预定EOL的剩余周期；出版社引言明确这一概念，但摘要未给本文EOL容量阈值和标签计算细节。
• 未来信息风险： RTVMD宣称逐步实时分解以规避全序列分解的前视信息；仍需核对所有归一化、分解窗口与测试集构建均只使用当时可见历史。

模型方法

• 流程： 容量序列→逐步实时变分模态分解（RTVMD）→TCCI模型；组合CSP注意力、扩张因果卷积与passthrough机制建模局部波动及长程依赖。基线和消融细节摘要未列全。
• 部署： 论文强调实时分解，未给端侧内存、延迟或BMS在线实测。

验证设计

• 划分/泛化： 三套数据上的比较实验；摘要没有说明按电芯/时间切分、跨数据集外推、独立测试集或重复次数。
• 可信度： 中低；任务与结果明确，但验证协议和指标尺度缺失，需全文检查。

指标与结果

• 摘要报告最大MAPE=0.015、RMSE=0.008、MAE=0.006，另称较其他方法至少提升20%；摘要未说明误差是否归一化、单位及对应数据集，不能横向比较绝对性能。

泄漏风险、复现性与局限性

• 泄漏风险： 中；实时逐步分解是正面设计，但需要检查测试窗口和预处理是否存在未来信息。
• 复现性： 低至中；摘要说明三套数据及模型组件，数据集名称、代码、超参和随机种子未确认。
• 局限性： 摘要级核验；三套数据外泛化未知；极小误差的尺度与基线公平性未能独立审查。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 实时分解针对容量再生与非平稳退化。优先取得全文，确认数据集名称、EOL标签、因果分解实现和误差单位后再决定复现。