近年来，随着锂离子电池的能量密度、功率密度逐渐提升，其安全性能与剩余使用寿命预测变得愈发重要。本综述全面分析了锂电池剩余使用寿命预测领域研究现状，系统介绍了现有预测算法，并着重探讨了机器学习方法在该领域的应用。基于模型的方法包括电化学模型、等效电路模型和经验退化模型；基于数据驱动的方法涵盖了支持向量回归、高斯过程回归、极限学习机、卷积神经网络、循环神经网络和Transformer等常用的机器学习方法。本文详细分析了每种方法的优缺点，并重点阐述了机器学习方法在特征提取与融合方法等方面的应用及发展情况。对于特征提取，本文从电流电压温度曲线、IC曲线、EIS曲线中进行总结分析，对于融合方法，本文将其细分为模型-模型、数据-模型、数据-数据融合方法并进行分析。最后，针对当前研究存在的问题，本综述从早期预测、在线预测和多工况预测三个方面提出了对剩余使用寿命预测方法的研究建议，为提升锂电池剩余使用寿命预测算法的准确性和实用性提供思路。