清华/RWTH/伯克利 Cell Reports Physical Science：电池数据充分性实证助力资源受限场景健康评估

本文针对锂离子电池健康状态评估在资源受限场景下的应用难题展开研究。背景方面，传统方法依赖完整寿命数据，存在周期长、成本高、泛化能力差等问题。研究目的旨在确定早期数据的充分性，实现有限数据条件下的精准预测和稳定迁移。通过提出以预测性和迁移性为核心指标的数据充分性框架，结合可解释特征工程和LSTM算法，在多种电池材料和工况下验证了仅需不超过8%生命周期数据即可实现1%以内的SOH估计误差。结论表明该方法建立了普适的数据充分性基准，显著降低了数据需求和计算资源，为电池智能管理提供了新思路。