2. 电池测试数据与标定输入准备
状态估计算法标定的质量，首先取决于输入数据的质量。无论后续使用扩展卡尔曼滤波、无迹卡尔曼滤波还是等效电路模型参数辨识，若测试数据本身存在容量基准不一致、OCV静置不充分、HPPC脉冲采样错位或温度覆盖不足，标定结果都会出现系统性偏差。本节围绕四类基础测试——容量测试、OCV测试、HPPC测试、倍率与温度测试——说明测试设计要点，并给出数据清洗、时间对齐与工况切片的可执行方法。
一、四类基础测试的设计要点
容量测试是全部标定的基准。以某磷酸铁锂电芯为例，标称容量50 Ah，采用0.33C（约16.5 A）恒流放电至2.5 V截止，静置1 h后以同倍率恒流恒压充电至3.65 V，截止电流0.05C（2.5 A），再静置1 h。记录放电安时积分值作为可用容量Cact。若三次重复测试的容量极差超过1.5%，说明电芯一致性或测试环境存在问题，需排查后再进入后续测试。容量值直接决定SOC定义中的分母，必须优先确定。
OCV测试用于建立OCV-SOC关系曲线。常用小电流充放电法或间歇静置法。以间歇静置法为例：从满充状态开始，每次放出5%SOC（2.5 Ah），静置2 h待端电压变化率小于1 mV/min后记录OCV，直至放空；再以相同步长充电并记录。这样可获得21个SOC点的OCV数据。静置时间不足是常见错误——若仅静置30 min，端电压尚未稳定，OCV曲线在平台区会出现明显滞后，导致后续SOC估计在平台区误差放大。
HPPC测试用于辨识欧姆内阻、极化内阻与时间常数。典型设计为：在10%、20%……90%SOC共9个点分别执行脉冲序列——放电脉冲（如1C、10 s）、静置40 s、充电脉冲（0.75C、10 s）、静置40 s。采样率建议不低于10 Hz，以便捕捉欧姆压降的瞬时跳变。脉冲电流方向、幅值、持续时间必须与后续模型标定所用的激励一致，否则辨识出的R0、R1、C1无法直接使用。
倍率与温度测试用于覆盖实际工况边界。倍率维度可取0.33C、0.5C、1C、1.5C；温度维度可取-10℃、0℃、25℃、45℃。每个温度点下重复容量测试与HPPC测试，形成“温度—倍率—参数”三维数据。注意低温下内阻显著增大，-10℃时R0可能达到25℃时的3～5倍，若标定模型未包含温度修正项，低温SOC估计将严重偏离。
二、数据清洗：从原始记录到可用序列
原始测试数据常见四类问题：时间戳重复或跳变、电流电压采样不同步、异常尖峰、缺失片段。清洗时按以下顺序处理：
- 时间戳去重与排序：若同一毫秒出现多条记录，保留最后一条；若时间戳回退，按采集顺序重新编号。
- 异常值剔除：对电流序列计算滑动标准差，若某点偏离中位数超过5倍标准差，标记为异常并置为前后均值。电压序列同理，但阈值可放宽至3倍，避免误删真实脉冲跳变。
- 缺失补全：对短于2 s的缺失段，用线性插值；对长于2 s的缺失段，直接截断该段数据，不参与后续标定。
- 单位统一：电流统一为A（充电为正或放电为正需全文一致），电压统一为V，温度统一为℃，时间统一为s。
三、时间对齐：让电流、电压、温度落在同一时基
测试设备通常以不同采样率记录电流、电压和温度。例如电流采样10 Hz，电压采样10 Hz，温度采样1 Hz。时间对齐的目标是生成一张统一时间戳的数据表，每行包含同一时刻的I、V、T。做法如下：
# 示例：将温度1Hz数据对齐到10Hz主时基
# 主时基 t_main = 0, 0.1, 0.2, ... (10Hz)
# 温度序列 t_temp = 0, 1, 2, ... (1Hz)
# 对温度做零阶保持或线性插值
import numpy as np
t_main = np.arange(0, 100, 0.1)
t_temp = np.arange(0, 100, 1.0)
T_temp = np.array([25.0, 25.1, 25.2, ...]) # 实测温度
T_aligned = np.interp(t_main, t_temp, T_temp)
# 结果：T_aligned 与 I、V 共享同一时间轴对齐后需检查：在HPPC脉冲起始时刻，电流跳变与电压跳变的时间差应小于一个采样周期（0.1 s）。若发现电压响应滞后超过0.3 s，说明设备通道间存在硬件延迟，需在数据中补偿固定时延。
四、工况切片：按标定需求切分数据集
完整测试数据往往包含多个SOC区间、多个温度点和多种倍率。直接整段用于标定会引入不必要的耦合。工况切片按以下维度进行：
- 按SOC区间切片：将HPPC数据按10%SOC间隔切分为9段，每段包含一个完整的脉冲序列，用于逐点辨识R0、R1、C1。
- 按温度切片：将-10℃、0℃、25℃、45℃的数据分别存放，用于拟合温度修正系数。
- 按倍率切片：将0.33C、0.5C、1C、1.5C数据分开，用于验证模型在不同倍率下的泛化能力。
- 训练/验证/测试划分：建议按工况切片后，随机抽取70%作为训练集，15%作为验证集，15%作为测试集。注意同一SOC点的数据不能同时出现在训练集和测试集中，否则会高估模型精度。
HPPC_25C_1C_SOC50_60.csv。这样在后续标定脚本中可直接按文件名筛选，避免手工整理出错。五、标定输入清单与检查项
完成上述处理后，交付给标定环节的输入应包含以下内容，并逐项检查：
| 输入项 | 内容 | 检查项 |
|---|---|---|
| 容量基准 | C_act（Ah） | 三次重复极差≤1.5% |
| OCV-SOC表 | 21点SOC与OCV对应关系 | 静置末端变化率<1 mV/min |
| HPPC参数表 | 各SOC点R0、R1、C1 | 脉冲前后SOC偏差<2% |
| 温度修正系数 | 各温度下参数相对25℃的比例 | 覆盖-10℃~45℃ |
| 统一时基数据 | I/V/T同时间戳CSV | 脉冲起始对齐误差<0.1s |
| 切片数据集 | 按温度/倍率/SOC分文件 | 训练/测试无同SOC点交叉 |
以上六项全部通过检查后，方可进入SOC估计算法标定环节。若其中任何一项缺失或不合格，后续标定结果将不可信。实际工程中，建议将上述检查项固化为脚本自动执行，每次新数据入库时自动校验并生成报告，减少人工疏漏。