简介源自NASA Ames预测中心的锂离子电池实验数据集面向电池寿命预测、SOC估计及健康管理PHM方向的研究者与学习者。数据包含多组电池在不同温度下的充放电循环记录以阻抗变化作为损伤判据可用于容量衰减分析、剩余使用寿命预测模型开发与算法验证。压缩包共35个文件以33个MAT格式核心数据文件为主各文件对应一组电池实验数据另附1个M脚本B5Capacity.m用于容量提取以及1个包含数据来源说明的TXT文件。整体大小174.12MB命名规则清晰便于批量处理与检索。已有4306人学习下载该数据集是NASA公开数据中较常被引用的电池老化基准适合用于论文复现、课题研究以及课程项目实战。 人在工位刚下实验室。上个月折腾电池剩余寿命预测把NASA的锂电池数据集翻来覆去啃了一遍。这个数据集在电池健康管理圈子里基本属于“必修课”但网上资料多数停留在“能用scipy读出来画两条曲线”的程度很少讲清里面的实验设计逻辑和那些容易踩的坑。这篇就把我实际用下来的完整经验梳理一遍从数据背景、字段含义、读取预处理、特征工程到建模思路一次讲透想电池方向入门的可以直接抄作业。1. 数据集从哪来为什么值得用1.1 PCOE实验室与电池老化实验背景先说数据源头。这套数据集来自美国宇航局旗下的卓越预测中心Prognostics Center of Excellence一般简称PCOE最早是作为PHM预测与健康管理领域的公开基准数据放出来的。里面记录了18650型号钴酸锂锂电池在室温下的充放电循环全过程从满电量一直老化到容量明显衰减。很多论文里提到的B0005、B0006、B0007、B0018这几个编号就是这个数据集的常驻嘉宾。这套数据最难得的是它做了全生命周期跟踪。不是只测一次两次而是几十个循环连续记录直到电池的额定容量掉到70%左右才算完。做电池寿命预测的人应该懂这种全生命周期数据真的不好攒实验室里跑一组老化实验动辄几个月要控制温度、电流、截止电压还要保证设备不出幺蛾子。有了公开数据集你省去的不只是设备成本还有那些年复一年的实验周期。1.2 这个数据集能干什么一句话概括它是电池健康管理和剩余使用寿命RUL预测研究的“标准练习题”。具体能做的事情包括但不限于做电池容量衰减曲线拟合用经验模型估算当前健康状态SOH提取充放电过程中的电压、电流、温度特征构建健康指标Health Indicator训练机器学习或深度学习模型预测电池还能撑多少个循环验证各种滤波算法卡尔曼滤波、粒子滤波在寿命预测上的表现作为时间序列预测、回归任务的标准benchmark数据集。我自己实际用下来的感受是这个数据集非常适合用来打通“电池数据分析”的完整pipeline。你不需要任何硬件也基本不受场地和成本限制只要会Python就能把从数据读取到模型训练验证的整条链路跑通。无论是学生写论文、工程师做算法验证还是刚转行想入坑电池AI的人练手它都是很好的起点。2. 文件结构与数据字段深度解析2.1 电池编号体系与实验设计整个数据集解压后你能拿到B0005.mat、B0006.mat、B0007.mat、B0018.mat这4个文件。还有额外的B0025到B0056等文件在一些扩充版本里也能见到不过最经典的就是前四个。每个.mat文件对应一块独立的电池它们被设计成不同的老化路径电池编号实验温度充电电流放电电流截止条件最终状态B0005室温1.5A CC-CV2A放电至2.7V容量衰减至约70%B0006室温1.5A CC-CV2A放电至2.5V容量衰减更明显B0007室温1.5A CC-CV2A放电至2.2V衰减速度最快B0018室温1.5A CC-CV2A放电至2.5V与B0006类似的深度放电这里有个很值得品味的点B0005和B0006、B0007、B0018虽然用的是同一套充放电制度但放电截止电压不同。截止电压越低意味着每次循环放电深度越大对电池结构的损伤也越大所以B0007的容量衰减速度最快。这个设计对做数据挖掘的人来说是个天然优势——你可以研究不同放电深度对寿命的影响也可以利用这种差异性来增强模型的泛化能力。2.2 mat文件里的字段到底是什么意思用scipy.io.loadmat加载B0005.mat后会看到顶层是一个dict里面有一个key为b0005的结构体。再往下就是每个cycle对应的记录字段。我先直接说结论这些字段的含义如下字段名含义单位典型范围cycle循环序号次从1开始递增voltage电压采样曲线V充电4.2V左右放电从4.2V降到截止电压current电流采样曲线A充电约1.5A放电约2Atemperature电池表面温度采样曲线℃室温附近大电流时可能升至35℃以上time采样时间点序列s从0开始持续到该循环结束capacity当前循环实测放电容量Ah新电池约1.8-2.0Ah随老化逐渐降低Date实验日期时间字符串如 2008/04/01 00:22:22我要特别强调一个细节这里的capacity不是通过库仑积分算出来的理论容量而是在一个完整放电循环中实际积分得到的放电容量。代码里读取这个字段就是你做寿命预测时最常用的目标变量y。很多人刚上手会把capacity和SOC、SOH搞混其实这三个概念要区分开capacity是当前循环放出的电量单位AhSOC是荷电状态指当前剩余电量占满电容量的百分比SOH是健康状态通常定义为当前最大可用容量与额定容量的比值。在这个数据集里capacity字段就是后续计算SOH和RUL的直接原料所以读取时优先关注它。3. 充放电工况设计与背后的工程逻辑3.1 三种基本操作充电、放电、阻抗测量每个循环实际包含三个步骤先恒流恒压CC-CV充电再恒流CC放电中间穿插一次阻抗测量。这三个步骤在mat文件里通过cycle字段下的type标记区分charge充电以1.5A恒流充电至4.2V然后转恒压4.2V充电直到电流降到某个阈值discharge放电以2A恒流放电至各自的截止电压B0005是2.7VB0006和B0018是2.5VB0007是2.2Vimpedance阻抗测量在特定SOC点用交流阻抗谱或其他方法测量电池的内阻和阻抗特性。为什么中间要穿插阻抗测量因为阻抗是反映电池内部状态的重要信号。充放电循环里电压和电流是外部表现而阻抗变化能在一定程度上揭示SEI膜生长、电解液分解等内部退化机制。你如果做更深入的分析可以把impedance数据拿来研究内阻增长与容量衰减之间的耦合关系这是很多论文不会细讲的狠活。3.2 截止条件为什么这么设实验设计里最关键的几个数字充电截止电压4.2V、放电截止电压2.7V或2.5V/2.2V、充电电流1.5A、放电电流2A、温度维持室温。4.2V是钴酸锂18650电芯的典型充电上限超过这个电压会加速电解液分解和正极结构破坏所以实验控制在安全窗口内2.7V/2.5V/2.2V是放电深度控制变量数值越低说明放电越狠正负极材料的晶格应力和体积变化就越大容量衰减也越快1.5A充电、2A放电大约是0.8C和1C倍率属于中等倍率兼顾实验效率和电池寿命不会因为倍率过高导致热失控也不会因为倍率过低导致实验周期过长。说实话最开始我完全没在意这些数字后来做特征工程时发现不同截止电压直接影响了放电曲线的形状尤其是末端电压下降段的斜率差异非常显著。如果你把不同电池的放电曲线直接混在一起喂给模型而不考虑截止条件模型很容易学到“虚假的规律”。所以做多电池联合建模时我强烈建议先把“截止电压”作为一个特征维度显式加入或者至少做分层建模。3.3 从工况设计反推寿命预测的标签逻辑搞懂工况设计后你就明白了怎么给数据打标签。对每个循环可以定义当前容量capacity从该cycle的discharge段提取SOH当前容量除以初始容量比如第一次循环的容量RUL从当前循环到达到寿命结束阈值通常取额定容量的70%所剩余的循环数。我把这个流程封装成Python函数后处理一次实验数据只需要几秒钟。很多人会在这里翻车他们用的是原始mat里直接给出的capacity字段但这个字段是累计的库仑计数结果可能在部分循环里因为数据记录缺失而出现异常值。这点我后面会详细说。4. Python读取与预处理实操4.1 读取mat文件的正确姿势环境依赖其实很简单我用到的核心库就这几个pip install scipy numpy matplotlib pandas读取mat文件的代码非常短但有一个关键点scipy.io.loadmat默认会把matlab的struct转成numpy的ndarray所以你要注意取字段时可能多出[()]的操作。import scipy.io as sio import numpy as np mat sio.loadmat(B0005.mat) data mat[b0005] # 注意name根据文件而定B0006就是b0006 # 查看结构 print(data.dtype.names)输出里你会看到类似[cycle, Date, time, voltage, current, capacity, ...]这些字段但每个字段都包了一层numpy object array实际取值时记得解包。4.2 提取循环数据的标准流程我的做法是先统一封装一个提取函数把每个循环的类型和关键数据整理成DataFrame方便后续分析import pandas as pd def extract_cycle_summary(data): records [] for i in range(len(data[cycle][0])): cycle_info data[cycle][0][i] cycle_type str(cycle_info[type][0]) if cycle_type discharge: rec { cycle: int(cycle_info[number][0][0]), voltage: cycle_info[voltage][0], current: cycle_info[current][0], temperature: cycle_info[temperature][0], time: cycle_info[time][0], capacity: float(cycle_info[capacity][0][0]) if len(cycle_info[capacity][0]) 0 else np.nan, } records.append(rec) return pd.DataFrame(records) df extract_cycle_summary(data) print(df[[cycle, capacity]].head())这里我只保留了discharge段因为容量字段在discharge段里才有意义。如果你需要完整的数据做电压曲线分析可以在循环里把charge和impedance的数据也保存下来但日常分析中discharge段优先级最高。4.3 绘制容量衰减曲线拿到df后画容量衰减曲线就是一行plot的事import matplotlib.pyplot as plt plt.plot(df[cycle], df[capacity], markero, markersize3, linewidth1) plt.xlabel(Cycle Number) plt.ylabel(Capacity (Ah)) plt.title(B0005 Capacity Degradation) plt.grid(True) plt.show()画出来的曲线通常有很明显的“拐点”早期容量缓慢下降达到某个循环数后衰减速度突然加快。这个拐点对做RUL预测非常关键很多模型就是靠捕捉这个拐点来判断“加速老化期”的开始。我建议你在画图时顺手用np.diff算出每两个循环之间的容量差值画出衰减率曲线你会发现比原始容量曲线更容易看出老化阶段的分界。4.4 特征工程从原始序列到健康指标容量是直接的健康指标但只用容量做预测遇到噪声大或回调现象时很容易失效。所以更通用的做法是提取放电曲线的统计特征放电时间总长度放电电压曲线的积分面积放电过程平均温度恒流段时长占比放电中后期电压下降速率电压平台期位置。我实际用下来放电电压积分面积和平均温度与容量衰减有很强的相关性。原因很直观容量越大的电池在同样的放电倍率下能维持更长时间的高电压积分面积自然也更大而温度则反映了电池内阻和产热状态老化后内阻增大、产热加剧平均温度会逐渐上升。这些特征组合在一起比单纯用容量做回归稳健得多。还有一个小技巧可以把每个循环的充放电曲线重采样到固定长度比如统一采样到100个点然后当成一条多维序列作为深度模型的输入。这样能保留完整的曲线形态信息比只用统计特征信息量更大。5. 典型建模思路从容量拟合到深度模型5.1 经典方法容量衰减经验拟合最朴素也最稳定的做法是对容量衰减曲线做经验公式拟合。比较常用的有两个经验模型线性模型Q a * cycle b适合早期阶段的近似指数线性混合模型Q a * exp(b * cycle) c * cycle d能同时捕捉前期非线性衰减和后期近似线性退化。我自己试下来B0005用指数线性混合模型拟合前80个循环效果不错但到了加速老化阶段误差会变大。原因在于它的容量衰减并非单一指数过程主导而是多个退化机制叠加的结果简单的解析模型很难全覆盖。这类方法的优势是可解释性强、计算极快适合做快速基线。5.2 机器学习多特征回归在主流的论文里最经典的做法是从原始循环数据里提取多组特征然后训练回归模型预测容量或RUL。可以用到的特征包括前面提到的放电时长、积分面积、平均温度、电压下降速率等。from sklearn.ensemble import RandomForestRegressor from sklearn.model_selection import train_test_split from sklearn.metrics import mean_absolute_error features df[[discharge_time, voltage_integral, avg_temp, voltage_drop_rate]].values target df[capacity].values X_train, X_test, y_train, y_test train_test_split( features, target, test_size0.2, shuffleFalse ) model RandomForestRegressor(n_estimators200, random_state42) model.fit(X_train, y_train) y_pred model.predict(X_test) print(MAE:, mean_absolute_error(y_test, y_pred))这里有个容易忽略的点时间序列数据不能随机打乱划分。电池老化是有先后顺序的打乱后相当于让模型偷看了未来的分布测试结果会过于乐观。我在做实验时用的是按时间顺序的划分方法前80%作训练、后20%作测试这个结果才接近实际应用场景。5.3 深度模型序列预测与剩余寿命如果你的目标是RUL预测建议把问题建模成序列映射输入最近N个循环的特征序列输出未来还能继续工作的循环数。用LSTM或TCN这类序列模型能自动学习容量衰减的长期依赖关系。一个我验证过有效的简化方案是把每个循环离散化为100个电压采样点选取最近40个循环的曲线组成[40, 100, 1]的张量用一层LSTM加全连接输出RUL。在小型数据集上确实能work但要注意过拟合问题——毕竟B0005到B0018总共也就一百多个循环数据量非常有限。建议配合数据增强、引入多块电池数据合并训练或者用预训练微调策略不要一上来就堆大模型。6. 实际使用中踩过的坑与排查记录6.1 mat文件的版本坑网上很多老帖子用scipy.io.loadmat时遇到ValueError: Unknown mat file type, version 50, 51...的报错原因通常是matlab 7.3以后默认保存格式变成了HDF5。还好NASA这个数据集是早期版本用loadmat可以直接读。但如果是其他数据集遇到类似问题就得改用h5py读取顺便提一句这个坑在下载新数据时经常碰到。6.2 噪声与实验中断数据不是完美的。B0005的容量曲线里偶尔会出现局部回升这看起来像是电池“自愈”了但实际原因多半是实验室环境温度变化或者设备测量噪声。处理这种数据时我推荐的做法是先用滑动窗口滤波或中值滤波做平滑再考虑建模。另外个别循环的电压曲线会出现中断或缺失。我在处理B0007时发现几个循环的放电电流后面为空直接用这些样本会害了模型。标准做法是遇到缺失较多的cycle直接剔除缺失少的可以用前后循环插值补全同时加一个标志位区分真实值和插值。6.3 训练集测试集划分陷阱前面提过时间顺序划分但还有一个更隐蔽的坑如果你把B0005、B0006、B0007、B0018都拿来训练又随机划分训练集和测试集不同电池之间的健康状态分布差异会导致结果虚高。因为测试集里可能混入了和训练集很相近的老化阶段的样本。正确做法是按电池划分比如用B0005、B0006、B0007训练B0018测试这样才更贴近实际场景——用已知电池的老化规律预测一颗新电池的寿命。6.4 相关数据集横向对比最后说一句NASA数据集虽然经典但样本量确实太小。如果你想深入研究可以考虑补充这些相关数据集数据集来源特点适用场景CALCE电池数据集马里兰大学多种电池类型、多种工况跨工况泛化研究MIT/Stanford电池数据集斯坦福/麻省理工大量电池快速充电实验基于大数据的寿命预测Oxford电池退化数据集牛津大学长时间老化、高精度采样老化机理分析Severson等开源数据斯坦福124块商用LFP电池机器学习寿命预测把这些数据集和NASA数据合并使用能显著提升模型的鲁棒性这也是我现在论文实验的主流做法。这个数据集我前前后后用了快大半年最大的体会是在数据量这么小的情况下真正决定模型效果的不是算法有多炫而是你对数据本身的理解有多深。建议大家拿到数据后不要急着上模型先把充放电曲线、容量衰减、温度变化这些基础可视化做一遍感受一下电池老化的物理过程再回来做特征工程效果会完全不一样。后续我准备把这个处理流程整理成一个开源工具包把读取、可视化、特征提取、模型评估串成一套接口到时候再分享到社区。本文还有配套的精品资源点击获取