2. 数据采集与预处理：实验设计、充放电循环数据采集、数据清洗与异常值处理
各位同学，大家好。今天我们来聊聊电池寿命建模里最“苦”也最关键的一步——数据采集与预处理。
说实话，模型搭得再漂亮，算法再高级，如果喂进去的数据是垃圾，那出来的结果一定是垃圾。我见过太多人一上来就调模型参数，结果折腾半天，最后发现是某个传感器漂移导致的数据异常。嗯，这坑我踩过，所以今天咱们把这块掰开揉碎了讲清楚。
2.1 实验设计：别让数据“先天不足”
实验设计，说白了就是你想让电池怎么“死”。你得提前想好，我要模拟什么样的使用场景？是手机那种一天一充，还是电动汽车那种快充快放？
我个人习惯，在设计实验前先问自己三个问题：
- 目标是什么？ 是预测剩余寿命，还是评估不同工况下的衰退速度？
- 变量有哪些？ 温度、充放电倍率、放电深度（DOD）、截止电压……
- 样本量够不够？ 至少3-5块电池做重复实验，否则统计上没意义。
我在项目中遇到过最典型的案例：某团队只测了2块电池，结果一块提前“暴毙”，另一块数据完美，最后模型完全没法泛化。所以，实验设计阶段多花点心思，后面能省掉80%的麻烦。
2.1.1 关键实验参数表
| 参数 | 典型范围 | 我的建议 |
|---|---|---|
| 温度 | 0°C ~ 45°C | 至少选3个温度点，比如10°C、25°C、40°C |
| 充放电倍率 | 0.5C ~ 3C | 别只测1C，高倍率下衰退机制完全不同 |
| 放电深度 | 20% ~ 100% | 浅充浅放（20%-80%）和深充深放（0%-100%）都要测 |
| 循环次数 | 500 ~ 2000次 | 至少跑到容量衰减至80%为止 |
小技巧： 如果你预算有限，优先保证温度变量的覆盖。温度对电池寿命的影响，比倍率大得多。
2.2 充放电循环数据采集：别漏掉“心跳”信号
数据采集，就是记录电池每一次“呼吸”的过程。充放电循环中，我们最关心的信号有：
- 电压（V）：开路电压、工作电压、截止电压
- 电流（I）：充电电流、放电电流
- 容量（Ah）：充入/放出的电量
- 内阻（Ω）：直流内阻或交流阻抗
- 温度（°C）：电池表面温度或内部温度
你想想看，这些信号就像电池的“心电图”。如果采样频率太低，比如1分钟才采一次，那电压平台的变化你就完全抓不住。我建议采样频率至少1Hz，关键阶段（比如恒流恒压切换点）可以提高到10Hz。
注意： 我曾经因为采样频率设置太低，导致恒流-恒压切换点的电压尖峰完全丢失，后来模型预测的容量衰减曲线总是偏大。折腾了两周才发现是数据采集的问题。
2.2.1 数据采集的“黄金法则”
- 同步记录：电压、电流、温度必须时间戳对齐，否则后面做特征工程时会疯掉。
- 冗余备份：数据采集卡偶尔会抽风，建议同时用两套系统记录。
- 元数据保存：实验日期、电池编号、设备型号、环境温湿度……这些信息一定要和原始数据一起存。
2.3 数据清洗与异常值处理：把“脏东西”筛出去
数据采集完了，别急着建模。先看看数据里有没有“脏东西”。
常见的异常类型有：
- 传感器漂移：电压或电流值突然跳变，然后又恢复正常。
- 通信中断：某段时间内数据全部为0或NaN。
- 物理干扰：比如电池夹具松动导致接触电阻突变。
- 人为误操作：比如中途暂停了实验，然后又重新开始。
我处理异常值的流程一般是这样的：
- 可视化检查：先把所有循环的电压-容量曲线画出来。一眼就能看出哪些曲线“长得不一样”。
- 统计过滤：计算每个循环的容量、内阻等关键指标，用3σ原则或IQR（四分位距）剔除离群点。
- 局部检查：对可疑的循环，放大看它的电压曲线。如果出现“毛刺”或“台阶”，基本可以判定为异常。
核心原则： 宁可删除一个可疑的循环，也不要保留一个错误的数据点。模型对异常值非常敏感，一个坏点就能把整个拟合结果带偏。
2.3.1 代码示例：用Python做简单的异常检测
import pandas as pd
import numpy as np
# 假设df是原始数据，包含'cycle'和'capacity'两列
def detect_outliers_iqr(df, column='capacity', multiplier=1.5):
Q1 = df[column].quantile(0.25)
Q3 = df[column].quantile(0.75)
IQR = Q3 - Q1
lower_bound = Q1 - multiplier * IQR
upper_bound = Q3 + multiplier * IQR
outliers = df[(df[column] < lower_bound) | (df[column] > upper_bound)]
return outliers
# 找出异常循环
bad_cycles = detect_outliers_iqr(df)
print(f"发现 {len(bad_cycles)} 个异常循环")
# 建议：手动检查这些循环，确认后再删除
避坑指南： 我曾经用自动化的3σ方法一次删掉了20%的数据，后来发现是因为电池在低温下容量本来就低，不是异常。所以，自动化方法只能做初筛，最终判断还是要靠人眼。
2.4 知识体系框架图
下面这张图，是我自己总结的数据采集与预处理的核心逻辑。你可以把它当作一个检查清单。
嗯，这张图看起来简单，但每一步都有很多细节。我个人建议，每次做新项目时，都把这个流程走一遍，哪怕你觉得数据看起来很“干净”。
好了，关于数据采集与预处理，今天就聊到这里。记住一句话：数据质量决定了模型的天花板。下一节我们会讲特征工程，到时候你会发现，如果数据预处理做得好，特征工程会轻松很多。