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（SOH）评估在资源受限场景下的挑战展开研究。背景方面，随着电动汽车和可再生能源的普及，传统SOH评估方法依赖完整寿命数据，存在周期长、成本高和泛化能力差的问题。研究目的旨在确定早期数据的“充分性”，实现有限数据下的精准预测和稳定迁移。结论表明，通过可解释特征工程和迁移学习，仅需不超过8%的生命周期数据即可实现SOH高精度估计（平均绝对百分比误差低至1%），并建立了可普适的数据充分性基准，显著降低了数据需求和资源成本。