第1章：特征工程——让数据“开口说话”

大家好，我是你们这堂课的主讲人。做了这么多年储能系统，我最大的感触就是：数据本身不会骗人，但原始数据也不会“说话”。你得用对方法，它才会告诉你电池哪里不对劲。

这一章，咱们就聊聊特征工程。说白了，就是把传感器采集的那些乱七八糟的电压、电流、温度数据，变成能用来做AI判断的“特征”。我个人习惯把这一步叫做“数据提纯”——去掉杂质，留下精华。

1.1 时域特征提取：看数据在时间轴上的“表情”

时域分析，就是直接看信号随时间怎么变化。我在项目中遇到过很多次，电池热失控前，电压的波动会突然变得很“暴躁”。这些信息，就藏在时域特征里。

1.1.1 均值（Mean）

均值是最基础的特征。它告诉你一段时间内，信号的中心趋势在哪。比如电池的稳态电压，正常情况下应该在一个小范围内波动。如果均值突然偏移，嗯，那就要警惕了。

import numpy as np

def extract_mean(data):
    """计算时域均值"""
    return np.mean(data)

# 示例：某电池10秒内的电压采样（单位：V）
voltage_samples = [3.701, 3.702, 3.699, 3.700, 3.701, 3.698, 3.702, 3.700, 3.699, 3.701]
mean_voltage = extract_mean(voltage_samples)
print(f"均值电压: {mean_voltage:.3f} V")

1.1.2 方差（Variance）

方差衡量数据的离散程度。你想想看，如果电池内部开始短路，电压的抖动会明显加剧。方差就是捕捉这种“抖动”的利器。

def extract_variance(data):
    """计算时域方差"""
    return np.var(data)

variance = extract_variance(voltage_samples)
print(f"电压方差: {variance:.6f} V²")

1.1.3 峰值（Peak Value）

峰值就是信号的最大值和最小值。在储能场景里，电流的峰值往往对应着负载突变或者电池内阻变化。我记得有一次，一个电芯的电压峰值突然比正常值高了0.2V，结果第二天就出问题了。

def extract_peak(data):
    """提取峰值特征"""
    return np.max(data), np.min(data)

peak_max, peak_min = extract_peak(voltage_samples)
print(f"峰值: {peak_max:.3f} V, 谷值: {peak_min:.3f} V")

1.2 频域特征提取：用FFT看数据的“频谱指纹”

时域特征看的是“表面”，频域特征看的是“内在”。为什么这么说？因为很多故障信号，在时域里看起来只是轻微抖动，但一转到频域，特征就非常明显了。

快速傅里叶变换（FFT）就是做这个的。它把时间信号拆解成不同频率的正弦波组合。每个频率的幅值，就是那个频率的“能量”。

import numpy as np
from scipy.fft import fft

def extract_fft_features(data, sampling_rate=100):
    """提取频域特征：主要频率分量及其幅值"""
    n = len(data)
    fft_values = fft(data)
    fft_magnitude = np.abs(fft_values[:n//2])  # 取正频率部分
    frequencies = np.fft.fftfreq(n, d=1/sampling_rate)[:n//2]
    
    # 找到幅值最大的前3个频率
    top_indices = np.argsort(fft_magnitude)[-3:][::-1]
    top_freqs = frequencies[top_indices]
    top_mags = fft_magnitude[top_indices]
    
    return top_freqs, top_mags

# 示例：模拟一个50Hz工频干扰信号
t = np.linspace(0, 1, 100)
signal = 3.7 + 0.05 * np.sin(2 * np.pi * 50 * t)  # 50Hz干扰
freqs, mags = extract_fft_features(signal)
print(f"主要频率: {freqs[0]:.1f} Hz, 幅值: {mags[0]:.4f}")

1.3 特征选择与降维：别让“噪音”干扰判断

特征提取完了，你可能得到几十甚至上百个特征。但特征不是越多越好。你想想看，如果混进去一堆无关特征，模型反而会“学歪”。

主成分分析（PCA）是我最常用的降维方法。它的核心思想很简单：找到数据变化最大的几个方向，把数据投影到这些方向上。这样既保留了主要信息，又去掉了冗余。

from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

def apply_pca(feature_matrix, n_components=3):
    """使用PCA进行降维"""
    # 先标准化，这一步很重要
    scaler = StandardScaler()
    scaled_features = scaler.fit_transform(feature_matrix)
    
    # PCA降维
    pca = PCA(n_components=n_components)
    reduced_features = pca.fit_transform(scaled_features)
    
    # 查看各主成分的方差解释率
    explained_variance = pca.explained_variance_ratio_
    
    return reduced_features, explained_variance

# 示例：假设我们有100个样本，每个样本有10个特征
import numpy as np
X = np.random.randn(100, 10)
X_reduced, variance_ratio = apply_pca(X, n_components=3)
print(f"前3个主成分解释了 {sum(variance_ratio)*100:.1f}% 的方差")

1.4 本章知识体系总览

下面这张图，是我自己梳理的特征工程整体流程。你可以把它当作一个“路线图”，做项目时对照着来。

1.5 实战要点总结

特征类型	核心方法	适用场景	注意事项
时域特征	均值、方差、峰值	稳态监测、突变检测	对噪声敏感，建议先滤波
频域特征	FFT、功率谱密度	周期性故障、谐波分析	采样率需满足奈奎斯特定理
降维	PCA	高维特征压缩、去冗余	需先标准化，保留85%以上方差

---