企业官网建设流程全解析

简介：NASA锂电池老化实验数据集，面向电池寿命预测、SOC估计与健康管理（PHM）研究场景，适合从事电池退化建模、剩余使用寿命预测和充放电策略分析的研究者与工程师。数据源自NASA Ames预测卓越中心，完整记录了锂离子电池在不同温度下的充放电循环实验，并将阻抗作为电池老化的损伤判据。压缩包共35个文件，以33个MAT数据文件为主，辅以1个M脚本用于容量计算和1个TXT说明文件，总体积174.12MB，可直接在MATLAB中加载使用。目前已有4306人学习下载。借助这套数据，可提取电压、电流、容量和阻抗等多维特征，开展SOC估计、SOH评估及剩余寿命预测实验，也可作为电池管理算法验证和PHM方法研究的标准测试基准。 做电池健康管理、寿命预测方向的研究，一定会绕不开一份数据：NASA艾姆斯研究中心的电池实验数据集。我最早接触它是在做锂离子电池剩余寿命（RUL）预测的硕士课题时，当时在公开数据里翻了一圈，最后几乎所有论文的对比实验都用这份数据，因为它的工况定义清晰、老化轨迹完整，而且免费开放。后来做BMS算法评估、储能系统健康状态（SOH）估计，它也一直是我用来验证pipeline的首选数据集。

这篇博文我想把这份数据集的来龙去脉、文件结构、隐藏细节和建模实操完整讲一遍。不管你是刚开始接触电池数据挖掘的学生，还是已经在做电池管理系统算法开发的工程师，只要打算用NASA这份数据做SOH估计、RUL预测或者迁移学习实验，这篇文章都能帮你少踩不少坑。

1. 实验台背后的设计：四块电池与三个老化变量

1.1 四块18650电池与三种测试动作

NASA这个数据集来自艾姆斯研究中心的预测卓越中心（PCoE），用的实验对象是四块商用18650锂离子电池，编号分别是B0005、B0006、B0007和B0018。电池标称容量2Ah，标称电压3.6V左右。整个实验过程中，每块电池反复执行三种动作：充电、放电、阻抗测量。

充电采用的是标准的恒流恒压（CC-CV）策略：先用1.5A恒流把电池充到4.2V，然后转为4.2V恒压，直到充电电流降到20mA才停止。放电则是2A恒流放电，每块电池的截止电压不同，这是整个实验里最重要的变量：

每完成一次完整的充放电循环，实验系统会插入一次阻抗测量，用扫频的方式记录电池在不同频率下的交流阻抗响应。所以，每个循环的数据文件里其实包含了充电、放电、阻抗三部分记录，这三部分对应了电池老化过程中不同维度信息的快照。

1.2 为什么放电截止电压是核心实验变量

很多人第一次看这份数据，会把注意力放在充电策略上，但真正控制老化速度的是放电深度。放电截止电压越低，意味着每次循环里从正负极材料中脱嵌的锂离子越多，电极材料的体积应变越大，SEI膜的破裂和重构也越频繁，容量衰减自然更快。

实验里1.5A充、2A放的设计也很有意思。按2Ah标称容量算，2A放电正好是1C倍率，既不会因为倍率过高导致电池瞬间过热，又能把一次循环压缩在合理时间内。NASA选的这个工况介于常规使用和加速老化之间，所以数据既不像手机电池那种浅充浅放模式那么温和，也不像纯高温高倍率加速老化那样极端，非常适合用来验证寿命预测算法。

1.3 阻抗测量是穿插在循环里的“体检报告”

阻抗测量的物理意义值得多说两句。锂电池的老化不光是容量下降，内部电化学过程也在悄悄变化。通过电化学阻抗谱，可以分离出电解液电阻、SEI膜电阻、电荷转移电阻等不同环节的贡献。数据文件中对应的字段包括实部阻抗、虚部阻抗以及计算出的Re、Rct等参数。

但使用阻抗数据时要有清醒认识：它的采样频率很低，每个循环只在充放电间隙测一轮，时间分辨率远低于电压电流数据。它更适合作为描述电池内部状态缓慢演变的辅助特征，而不是用来做逐秒级别的动态预测。

2. 拆开MAT文件：B0005里每一层数据是什么

2.1 用Python加载嵌套的mat结构

NASA在官网上提供的是MAT格式文件，用MATLAB的load可以直接读。国内更多人用Python，scipy.io.loadmat也能读，但读出来的是嵌套的numpy结构数组，很多新手第一次接触会懵。

我先给出一个可以跑的加载代码：

import scipy.io import numpy as np mat = scipy.io.loadmat('B0005.mat') battery = mat['B0005'] # battery 是一个 1x1 的结构，通过 cycle 字段拿到循环记录 cycle = battery[0, 0]['cycle'] print(type(cycle), cycle.shape) # 遍历所有循环，统计不同类型记录的数量 type_counts = {} for i in range(cycle.shape[1]): t = cycle[0, i]['type'][0, 0] type_counts[t] = type_counts.get(t, 0) + 1 print(type_counts)

运行后你会发现，B0005里总共包含大概168个循环，其中大部分是完整的充放电循环，夹在中间的还有一些单独标记的阻抗测试。charge、discharge、impedance三种类型都可以在这里区分出来。

2.2 充放电状态混叠：按type分流是第一步

这份数据文件里，每个cycle节点下既有充电数据又有放电数据。如果你不去看type字段，直接把所有数据遍历并画图，或者直接塞给模型，结果肯定是灾难性的，因为充电的电压在上升、放电的电压在下降，电流方向也相反，混在一起做序列建模时模型会学到完全错误的规律。

所以拿到数据的第一步永远是分流。用上一节的type统计结果，把几类数据分别提取出来。放电数据中还有一个Capacity字段，代表这个循环放电阶段累计放出的容量，这个值就是后续计算SOH和RUL的最基础标签。

2.3 Capacity字段其实是重复值，别被坑了

这里有个小坑：放电数据中每一行采样点都带一个Capacity字段，但Capacity并不是该采样时刻的实时容量，而是整个循环结束后累计的容量值，被赋值到了该循环的每一行上。也就是说，你随便取放电阶段数据的任意一行，读到的Capacity都是一样的。

正确的用法是取第一个放电采样点的Capacity，或者直接取该循环记录里Capacity数组的第一个元素。如果用pandas把整个放电段读成DataFrame后，直接对Capacity求平均值倒也不会出错，但会白白浪费算力，而且如果你在做增量计算，很容易在后面的时序建模中引入重复值泄漏。

3. 三个容易忽略的数据细节，直接影响预测误差

3.1 采样间隔不齐：别把电池数据当成等间隔时序

NASA数据虽然记录频率看起来是固定的，但仔细检查会发现，充电阶段和放电阶段的采样间隔并不完全一致。充电记录通常更密一些，而且不同循环之间，由于充电时间随老化缩短，实际采到的数据点数也会变少。

这带来一个实际问题：如果你直接把原始电压序列按时间步喂给LSTM或Transformer，不同样本的序列长度可能不一致，需要padding或者截断；更麻烦的是，老化的信息恰恰体现在序列长度变短这个现象里，如果padding截断做得不好，等于把最核心的老化特征抹掉了一部分。

我的建议是：做特征提取时优先用循环编号作为序列索引，把每个循环内的原始曲线先压缩成标量特征，比如恒流充电时间、等压升时间差、容量、温度峰值等。这样建模时用的是固定长度特征向量，完全绕开采样间隔不齐的问题。

3.2 SOH口径不统一，你的结果和论文没法比

SOH的定义在不同文献里差异很大。有人用当前容量除以初始额定容量，有人用当前容量除以第一个完整循环的实测容量，还有人用内阻变化来定义。NASA电池的额定容量是2Ah，但B0005实测第一个完整循环的放电容量大约在1.85Ah到1.97Ah之间，和标称值差了约7%。

如果A论文用2Ah当分母，B论文用第一个循环实测容量当分母，同一个电池同一时刻的SOH数值会差出好幾個百分点，结论自然不可比。我的经验是：无论用哪个口径，都要在论文或实验报告里写明分母的具体值，并且建议用首个完整循环的实测容量作为基准，因为它更接近电池当下的真实可用容量。

3.3 温度数据是表面温度，不是内部温度

数据文件里的Temperature_measured字段来自贴在电池表面的热电偶，不是电池内部温度。这带来两个后果：第一，温度曲线相比内部电化学产热会有明显滞后，快速放电时表面温度上升比内部慢；第二，在循环的后半段，温度开始下降并不意味着电池不再产热，可能只是环境热平衡在起作用。

所以，如果你直接用温度数据做RUL预测的输入特征，要意识到它和容量衰减之间不是简单的因果关系，更像是一个相关指标。温度可以作为辅助特征，但不要指望它单独给出对老化机理的精确解释。

4. 从容量曲线到RUL：一个能直接跑的建模基线

4.1 先把RUL预测问题定义清楚

以B0005为例，我们可以把问题定为：已知前40个完整循环的充放电数据，预测电池容量首次低于1.4Ah的循环序号。1.4Ah对应标称容量的70%，这是一个比较常见的退役阈值。不同的电池阈值不同，比如B0007由于设计上就偏深放，容量衰减更快，同一个阈值对应的循环数会明显少于B0005。

按这个定义，RUL的标签是离散值，比如“第147个循环达到退役条件”。为了验证算法效果，通常用前40个循环的数据训练，然后预测后续所有循环的容量或RUL，再和真实曲线对比。

4.2 从恒流充电曲线提取等压升时间差特征

电池老化后，最直观的变化是恒流充电阶段电压上升更快，因为能容纳的锂离子变少了。为了把这个现象量化为特征，可以用“等压升时间差”方法：取恒流充电段的电压与时间序列，从3.0V开始，每隔0.1V记录一次对应的时间点，计算相邻电压档位之间的时间长度。这一系列时间差构成了一个特征向量。

这个特征的效果相当好，因为它是dQ/dV的间接体现，而dQ/dV曲线峰值的变化能直接反映电池容量衰减。我建议把整个恒流段的等压升时间差向量作为特征序列输入模型，而不是只用某个单一时间点。示例代码如下：

def extract_delta_t(voltage, time, v_start=3.0, v_end=4.2, v_step=0.1): levels = np.arange(v_start, v_end + 1e-6, v_step) t_at_level = [] for v in levels: idx = np.where(voltage >= v)[0] t_at_level.append(time[idx[0]] if len(idx) > 0 else np.nan) t_at_level = np.array(t_at_level) delta_t = np.diff(t_at_level) return delta_t, levels

4.3 高斯过程回归：小样本预测的稳妥起点

在只有几十个循环、特征维度又不高的情况下，复杂深度学习模型的收益其实很有限。高斯过程回归（GPR）是一个非常合适的基线：样本量小、非线性能拟合、还能给出预测的不确定性区间。

下面是一个基于scikit-learn的实现框架：

from sklearn.gaussian_process import GaussianProcessRegressor from sklearn.gaussian_process.kernels import ConstantKernel, RBF, WhiteKernel kernel = ConstantKernel(1.0) * RBF(length_scale=10.0) + WhiteKernel(noise_level=1.0) gpr = GaussianProcessRegressor(kernel=kernel, alpha=1e-6, normalize_y=True) gpr.fit(X_train, y_train) y_pred, y_std = gpr.predict(X_test, return_std=True)

输入X_train可以设计成前N个循环的等压升时间差特征，y_train是这些循环的容量值；训练完成后，用未来的时间点预测未来的容量，直到预测容量低于退役阈值，此时的循环序号就是RUL。评估指标推荐RMSE和MAPE，同时要画出预测曲线并带上置信区间。

这里我必须强调：单一电池上的表现好不叫好。一定要做跨电池验证，比如用B0006、B0007、B0018三块电池的数据训练，在B0005上测试。因为电池之间随机性很大，一个模型只在B0005上拟合出了衰减曲线形状，换一块电池可能就废了。跨电池的RUL预测，才是真正检验算法泛化能力的战场。

5. 跳出标准用法：四块电池的迁移学习与随机容量预测

5.1 随机容量预测：和RUL不同的一种任务设定

传统RUL预测要求模型按时间顺序外推，但实际BMS场景里，用户往往是在某个不确定的时刻询问：“这块电池现在还有多少容量？”这更像一个回归问题，而不是序列预测问题。

最近一些研究把这种设定叫做“随机容量预测”（Random Capacity Prediction）。具体做法：给定某个循环的充电曲线片段，不管它前面经历了多少个循环，直接回归预测这个循环的放电容量。这时候不需要建模完整的退化轨迹，只需要从充电曲线提取健康特征，然后做监督回归。

用NASA数据做这个任务时，可以把四块电池的所有循环混合在一起，每一行样本是“某个循环的等压升时间差特征 + 当前容量标签”。训练一个GPR或MLP，四块电池的数据一起用，效果往往比单块电池单独训练更好，因为模型见过了更多老化形态。

5.2 迁移学习：怎么划分源域和目标域

在四块电池构成的迁移学习实验里，有一个划分策略我比较推荐：用B0006、B0007、B0018作为源域，B0005作为目标域。原因是B0005的放电截止电压最高，退化最慢，数据分布和其他三块的差异最明显，能在目标域上做更严格的泛化检验。

迁移学习里有一个非常容易被忽视的细节：归一化参数只能用源域数据计算。很多人习惯把全部数据放在一起做标准化，再划分训练测试集，这在迁移场景里属于信息泄漏，会让指标虚高。正确做法是先从源域拟合归一化参数，再把这个参数应用在目标域上。

5.3 和CALCE、Oxford等其他公开数据集怎么配合

NASA数据集虽然经典，但四块电池的样本量远不足以支撑大规模深度学习实验，而且充放电策略比较单一，覆盖不了多倍率、多温度的实际工况。做研究时可以把CALCE、Oxford等高校发布的电池老化数据集一起纳入对比。不同数据集的循环策略、环境温度、电池型号都不一样，正好用来检验算法的工况泛化能力。

我个人的流程是：先在NASA数据上把特征提取、模型验证、指标评估这条pipeline跑通，再在自己的私有数据或补充数据集上做二次验证。这样调试成本最低，因为NASA数据社区资料多，你踩过的坑几乎都有前人踩过，排查起来方便。

最后分享一个我在实际项目中常用的习惯：拿到B0005.mat之后，先把充放电数据转成CSV或Parquet格式存一份，每一行是一个循环内的采样点，再加一列cycle标号。这样后续无论是用pandas分析还是分发给团队其他人，都比每次从嵌套mat里去取数方便得多。NASA这份数据集最大的价值不在于它有多大规模，而在于它把“电池老化”这个复杂过程用清晰、完整的方式记录下来了，配合正确的使用姿势，它足够支撑你完成从入门到进阶的绝大多数电池算法实验。

本文还有配套的精品资源，点击获取