3. 数据采集与预处理：实验设计原则、充放电循环数据采集、数据清洗与异常值处理、特征工程初步

各位好，我是老张。在电池行业摸爬滚打了十几年，今天咱们聊聊数据采集和预处理。说实话，这一步做不好，后面模型再花哨也是白搭。我见过太多人一上来就调算法，结果数据本身就有问题，那不就是「垃圾进，垃圾出」嘛。

3.1 实验设计原则：别让实验白做

做电池衰退实验，最怕什么？最怕花了几个月时间，跑出来的数据没法用。我个人习惯，动手之前先想清楚三个问题。

• 目标要明确：你是想建容量衰退模型，还是内阻增长模型？不同目标，实验方案差别很大。
• 变量要可控：温度、充放电倍率、截止电压、DOD（放电深度），这些关键参数必须精确控制。我遇到过有人把电池放恒温箱里，结果箱门没关严，温度波动了5度，那批数据全废了。
• 样本量要够：别指望三五块电池就能代表整个批次。电池一致性本身就有差异，至少准备6-10块同批次电芯做平行实验。

3.2 充放电循环数据采集：细节决定成败

数据采集这块，说白了就是「怎么把电池的状态忠实地记录下来」。我常用的设备是Arbin或Maccor的充放电测试仪，采样频率一般设在1Hz到10Hz之间。

采集哪些数据？嗯，这里要注意：

• 电压：端电压、OCV（开路电压），精度要到0.1mV
• 电流：充放电电流，精度0.01C以上
• 温度：电芯表面温度，最好多点布置
• 容量：每个循环的充入/放出容量
• 时间戳：精确到秒，别用相对时间

你想想看，如果电压采集精度不够，后面做dQ/dV分析时，噪声会大得让你怀疑人生。我早期吃过这个亏，后来学乖了，采样前一定先做校准。

3.3 数据清洗与异常值处理：把脏活干漂亮

原始数据从来都不是干净的。传感器漂移、通讯中断、人为操作失误，各种问题都有。数据清洗，说白了就是「去伪存真」。

常见问题及处理：

问题类型	表现	处理方法
缺失值	某段时间数据为空	线性插值或前向填充
毛刺噪声	电压/电流突然跳变	中值滤波或3σ原则剔除
重复数据	相同时间戳多条记录	去重，保留第一条
物理不可达值	电压超过4.5V或低于2.0V	直接删除该段数据

下面是我常用的一个数据清洗代码片段，用Python写的：

import pandas as pd
import numpy as np

def clean_battery_data(df):
    # 删除物理不可达值
    df = df[(df['voltage'] >= 2.0) & (df['voltage'] <= 4.5)]
    df = df[(df['current'] >= -5) & (df['current'] <= 5)]
    
    # 3σ原则剔除异常值
    for col in ['voltage', 'current', 'temperature']:
        mean = df[col].mean()
        std = df[col].std()
        df = df[(df[col] >= mean - 3*std) & (df[col] <= mean + 3*std)]
    
    # 线性插值填充缺失值
    df = df.interpolate(method='linear', limit_direction='both')
    
    return df

3.4 特征工程初步：从原始数据中挖金子

特征工程，说白了就是把原始数据变成模型能听懂的语言。电池衰退模型常用的特征，我归纳为三类：

• 统计特征：每个循环的均值、方差、最大值、最小值。比如循环内的电压方差，能反映极化程度。
• 微分特征：dQ/dV曲线、dV/dt曲线。这些对电池内部的相变非常敏感。
• 增量特征：相邻循环的容量衰减量、内阻增长率。

举个例子，dQ/dV特征怎么提取？

def compute_dqdv(voltage, capacity):
    # 对电压排序，确保单调递增
    sorted_idx = np.argsort(voltage)
    v_sorted = voltage[sorted_idx]
    q_sorted = capacity[sorted_idx]
    
    # 计算差分
    dv = np.diff(v_sorted)
    dq = np.diff(q_sorted)
    
    # 避免除零
    dv[dv == 0] = 1e-6
    dqdv = dq / dv
    
    return v_sorted[1:], dqdv

我个人习惯，特征工程做完后，一定要做可视化检查。把特征和容量衰减画在一起，看看有没有明显的相关性。如果特征和衰退趋势完全无关，那这个特征就是噪音，果断扔掉。

本章知识体系

下面这张图，是我自己总结的数据采集与预处理流程。你跟着这个流程走，基本不会出大错。

好了，这一章的内容就到这儿。数据采集和预处理是电池衰退建模的基石，花再多时间都值得。下一章咱们聊聊具体的模型构建方法，到时候见。

---

公众号:蓝海资料掘金营，微信deep3321