Remaining useful life prediction of lithium-ion batteries based on peak interval features and deep learning
Yafei Liu、Guoqing Sun、Xuewen Liu
2. Remaining useful life prediction of lithium-ion batteries based on peak interval features and deep learning
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL | DOI；ScienceDirect 文章页；未取得 PDF |
| 发现来源 | Crossref/Venue；Crossref、OpenAlex、Semantic Scholar 题录；来源历史为 Crossref/Venue、Crossref |
| 期刊 | Journal of Energy Storage，73 卷，文章号 109308 |
| 发表日期 | Crossref 期刊记录为 2023-12；Semantic Scholar 显示 2023-12-01；OpenAlex publication_date 为 2023-10-18。在线发表日尚未由可读出版社记录确认，故总览按期刊卷期月份记录。 |
| 作者/机构 | Yafei Liu、Guoqing Sun、Xuewen Liu；OpenAlex 将三位作者关联至 Shanghai University of Engineering Science。 |
| 通讯作者 | Xuewen Liu（OpenAlex 标记 corresponding；Shanghai University of Engineering Science） |
| 脚本评分/证据等级 | 79；元数据级。出版社页面核实标题和文章结构，不能据此补齐未显示的摘要正文。 |
| 核验路径 | 无 PDF URL；DOI 解析抓取失败；Crossref API 与 OpenAlex 确认题录/作者，Semantic Scholar 核对期刊日期；ScienceDirect 页面可见准确题名及“Feature extraction”“LSTM neural network”“Analysis of prediction results”等章节标题，但摘要正文未加载。 |
纳入理由与原文证据
- 主题/边界： 题名直接以锂离子电池 RUL 预测为目标；ScienceDirect 页面将文章列为研究论文，并列出特征提取和 LSTM 神经网络章节，主题匹配明确。
- 证据： ScienceDirect 文章页；Crossref DOI 题录。
数据集/电池体系
- 体系/数据： 题名确认锂离子电池；数据集名称、来源、样本数、输入量和公开状态未能确认。不能把 NASA、Oxford 或 CALCE 等常见基准推定为本文数据。
- 工况/跨域： 温度、充放电倍率、SOC 窗口、跨电芯/批次/化学体系覆盖均未能确认。
EOL/RUL/SOH 定义
- 目标/定义： 论文题名明确为剩余寿命预测，但 RUL 的计量单位、EOL 判据、预测起点和标签生成方式未能确认。
- 未来信息风险： 未读到输入窗口、容量峰间特征生成时是否使用完整曲线及预测切分策略；未来循环泄漏、同电芯样本跨集合及测试集调参均需全文排查。
模型方法
- 流程： 题名强调峰间特征与深度学习；出版社页面的章节标题指出使用 LSTM 神经网络。特征的精确定义、网络结构、训练损失、基线和消融未能确认，故不将“峰间特征”自行解释为某种特定 IC 曲线或输入窗口。
- 部署： 传感器、在线计算耗时、模型大小及实时部署未能确认。
验证设计
- 划分/泛化： 可见页面没有披露数据拆分、按电芯留出、独立测试集或外部验证；不能据章节标题推断验证质量。
- 可信度： 信息不足。题录与出版社文章身份已核对，实验细节因正文受限而无法审查。
指标与结果
- 可检索到的 ScienceDirect 索引片段报告预测误差“小于 1.18%”，但误差指标定义、单位、预测区间、测试集及统计方式均未能确认；此数值不可与其他论文直接比较，需获取正文复核。
泄漏风险、复现性与局限性
- 泄漏风险： 信息不足；优先核验按循环随机拆分是否造成同电芯相邻窗口泄漏，以及特征提取/归一化是否先于拆分。
- 复现性： 信息不足；数据链接、代码、超参数、随机种子和完整基线未能确认。
- 局限性： 目前只能确认题录、标题任务和 LSTM 章节；日期存在 OpenAlex 2023-10-18 与期刊 2023-12 的差异；结果片段虽给出百分比，却不足以判断临床/工程可用性。
是否值得跟进
- 结论： 跟进。
- 理由与下一步： 峰间特征与序列模型对容量退化信号分析可能有参考价值；下一步获取作者稿/出版社全文，确认峰值定义、RUL 终点、跨电芯测试和“1.18%”的指标含义。
查看关键词分类依据
- RUL prediction · 标题包含「remaining useful life」
Remaining useful life prediction of lithium-ion batteries based on peak interval features and deep le - Generic neural network / deep learning · 标题包含「deep learning」
atteries based on peak interval features and deep learning - Li-ion / LIB · 标题包含「lithium-ion」
Remaining useful life prediction of lithium-ion batteries based on peak interval features and deep learning