1. 单体压差数据采集与基线建立

为什么先做“基线”，而不是先看告警

单体压差排障最容易犯的错误，是拿一个瞬时最大值直接判断“电池有问题”。压差本身随 SOC、温度、电流倍率、静置时长变化很大：同一组电池在 50% SOC 静置时可能只有 8 mV，在大倍率放电末端却可能到 60 mV。因此第一步不是找故障，而是用历史数据建立正常工况下的压差分布，后续任何异常值都要和对应工况的基线比，而不是和某个固定数字比。

本例的任务是：从 BMS 历史数据中提取各单体电压，逐帧计算最大压差，按工况分箱统计，得到可复用的基线表。核心指标定义如下（全文统一）：

• 单体压差 ΔV = 同一时刻 max(V_cell) − min(V_cell)，单位 mV；
• 工况分箱键 = SOC 区间 + 温度区间 + 电流状态（静置/充电/放电）；
• 基线取分箱内的 P50（典型值）与 P95（正常上限参考），样本数不足的分箱标记为“待积累”。

数据形态与提取要点

典型 BMS 历史数据是“一帧一行、单体电压多列”的宽表，或“一帧多行、每行一个单体”的长表。宽表更适合逐帧求极差，长表更适合做单体级趋势。本例按宽表处理，字段约定为：ts（时间戳）、soc（%）、temp_max（℃）、current（A，充电为正、放电为负）、v01…v96（单体电压，V）。

计算与分箱的实现

下面是一段可直接运行的 Python 示例，输入为上述宽表 CSV，输出分箱基线表。示例数据为教学构造，运行结果属于示例输出，不代表任何实船实测值。

import pandas as pd
import numpy as np

CELL_COLS = [f"v{i:02d}" for i in range(1, 97)]

def load_frames(path):
    df = pd.read_csv(path, parse_dates=["ts"])
    v = df[CELL_COLS]
    # 有效性过滤：单体电压应在 2.0~4.5 V 之间
    valid = (v > 2.0).all(axis=1) & (v < 4.5).all(axis=1)
    df = df[valid].copy()
    df["dv_mv"] = (df[CELL_COLS].max(axis=1) - df[CELL_COLS].min(axis=1)) * 1000
    return df

def bin_key(df):
    soc_bin = pd.cut(df["soc"], bins=[0, 20, 40, 60, 80, 100],
                     labels=["0-20", "20-40", "40-60", "60-80", "80-100"])
    temp_bin = pd.cut(df["temp_max"], bins=[-20, 0, 15, 30, 45, 60],
                      labels=["<0", "0-15", "15-30", "30-45", ">45"])
    mode = np.where(df["current"].abs() < 2, "静置",
             np.where(df["current"] >= 2, "充电", "放电"))
    return pd.DataFrame({"soc_bin": soc_bin, "temp_bin": temp_bin, "mode": mode})

def build_baseline(df, min_n=200):
    key = bin_key(df)
    g = df.groupby([key["soc_bin"], key["temp_bin"], key["mode"]])["dv_mv"]
    base = g.agg(n="count", p50="median",
                 p95=lambda s: s.quantile(0.95)).reset_index()
    base["status"] = np.where(base["n"] >= min_n, "可用", "待积累")
    return base.sort_values(["mode", "soc_bin", "temp_bin"])

df = load_frames("bms_history.csv")
baseline = build_baseline(df)
print(baseline.head(10).to_string(index=False))
baseline.to_csv("dv_baseline.csv", index=False)

几个参数需要按船型调整：min_n=200 是分箱最少帧数，样本太少时 P95 不稳定；静置判定阈值 |I| < 2 A 要结合 CT 精度和实际待机电流设定；温度用 temp_max 而非平均温度，是因为高温单体更容易触发压差扩大，用最大值更保守。

基线结果怎么读

基线表不是一张“合格证”，而是一张对照尺。判读时抓住三点：同一工况下 P50 是否随 SOC 单调上升（放电末端压差扩大属正常）；P95 与 P50 的差距是否过大（差距大说明该工况下压差离散，基线本身不稳）；“待积累”分箱占比是否过高（说明历史数据覆盖不足，后续排障结论要降级）。

交付物：压差基线表

把上面的输出整理成可归档、可对照的基线表，字段固定，后续排障直接查表。示例行如下（数值为教学示例）：

归档时同时保存三样东西：基线表 CSV、生成脚本、以及数据覆盖说明（时间范围、航次类型、BMS 版本）。没有覆盖说明的基线，半年后没人敢用。

验证基线是否可信

基线建好后做一次自检，通过再进入排障环节：

1. 单调性检查：同一温度、同一电流状态下，P50 应随 SOC 升高而上升（放电末端压差扩大）。若出现明显倒挂，多半是分箱边界或数据混入了不同电池组。
2. 离散度检查：P95/P50 比值普遍超过 3，说明该工况下压差波动大，基线只能作粗参考，排障时需结合单体级趋势。
3. 覆盖率检查：“待积累”分箱占比超过 30%，说明历史数据不足以支撑全工况判断，应补充数据或缩小分箱粒度。
4. 回放验证：随机抽 20 帧正常工况数据，用基线表反查其 ΔV 是否落在 P95 以内，命中率应接近 95%。