电池测试数据挖掘
在亿纬锂能实习期间，对大规模电池测试时序数据做特征提取与异常检测。
- 分类
- 能源 AI
- 发布于
- 2024年8月
- 技术栈
- Python
- Pandas
- NumPy
- SQL
- scikit-learn
背景
亿纬锂能（EVE Energy）电池测试与数据挖掘实习生 · 2024 年 7 月 – 8 月
我做了什么
- 用 Python（Pandas/NumPy）和 SQL 处理多维测试时序数据，提取 −20 °C 到 60 °C、不同功率条件下的充放电损耗特征。
- 清洗约 120 GB 测试日志，异常检测准确率比固定阈值基线提升约 15%。
- 构建 Isolation Forest 与 Random Forest 模型，识别电池衰减和热失控前兆。
- 将检索、转换、比对、可视化四个流程节点自动化，每天的人工复核时间减少约 30%。