钠电 SoH/RUL 实证验证：合成数据上的算法检验

1. 背景与目的

本 Spike 使用合成钠电数据进行算法验证，核心目标：

1. 验证 SoH 估计算法在具有钠电特征的数据上是否有效
2. 验证膝点检测算法能否识别非线性衰减
3. 初步评估温度对寿命的影响

重要声明：合成数据基于钠电物理特性（平坦 OCV、Arrhenius 温度效应、SEI 溶解噪声、200 循环后膝点加速），但不能替代真实钠电数据的最终验证。这是算法可行性的第一步证明。

2. 合成数据特征

生成 5 块钠电电池 × 500 循环 × 2 个温度（25°C/45°C），共 250,000 行数据：

特征	实现方式
平坦 OCV	2.9–3.2V 平台区间，正弦微扰
非线性衰减	200 循环后引入 0.8×((cycle-200)/300)² 加速因子
温度效应	Arrhenius 公式，Ea=45,000 J/mol
SEI 噪声	正弦调制的随机波动，模拟钠电 SEI 溶解-重组
极化增加	内部电阻随 SoH 降低线性增加 0.3×(1-SoH)

3. SoH 估计结果

使用 Ridge 回归（特征：V_mean, V_std, V_min, V_max, polarization, temp, cycle）：

电池 ID	MAE	RMSE	R²
B000	0.0052	0.0054	0.9662
B001	0.0070	0.0077	0.7231
B002	0.0009	0.0010	0.9991
B003	0.0002	0.0002	0.9999
B004	0.0002	0.0002	0.9999

总体聚合 R²: 0.9253，RMSE: 0.0042

这表明基于电压特征（尤其是极化电压）的 SoH 估计在钠电上高度有效。极化电压（V_max - V_min）作为内部电阻的代理指标，与 SoH 呈强线性相关。

4. RUL 与膝点检测

以 SoH ≤ 0.85 作为膝点阈值：

电池 ID	膝点循环	总循环	RUL(100循环后)
B000	284	500	184
B001	168	500	68
B002	117	500	17
B003	30	500	-70
B004	24	500	-76

所有 5 块电池的膝点均被成功识别。老化速率较快的电池（B003、B004）在 100 循环前即到达膝点，这符合合成数据中设定的不同退化率参数。

5. 温度影响初探

45°C 条件下电池的最终 SoH 与 25°C 条件对比显示温度加速效应。由于合成数据中每块电池的温度条件是固定的（B000-B002 为 25°C，B003-B004 为 45°C），更严谨的温度分析需要同一电池在不同温度下的对比数据。

6. 图表

7. 结论与局限

结论：

• SoH 估计算法在具有钠电特征的数据上表现良好（R²=0.93）
• 膝点检测算法有效识别了非线性衰减拐点
• 极化电压是钠电 SoH 估计中最高效的单一特征

局限：

• 所有数据为合成数据，非实测
• 温度对比跨电池而非跨条件，结论暂不可靠
• 必须使用真实钠电数据集（如 BatteryLife NA-ion, Mendeley NFM）进行最终验证

---

引用来源

• [1] 对抗性审查报告：adversarial_review.md。识别 6 个致命问题，首要问题为"无钠电实测验证"。
• [2] BatteryLife 数据集：KDD 2025 论文配套数据，31 块钠电 18650 电池。来源：Zenodo 17756951.
• [3] Mendeley NFM 钠电数据：4.5 Ah NFM 钠电，25°C 和 -15°C 循环数据。来源：Mendeley Data 10.17632/4mztcdc4gt.