如何用Python准确检测电池电压时间序列的循环次数？

核心思路 #

电池充放电循环对应电压上升（充电）+ 电压下降（放电）的完整过程，单纯检测峰值无法覆盖完整循环逻辑，建议结合趋势判断（充放电状态转换）或峰谷配对的方式统计。

方法一：基于充放电状态转换的状态机统计 #

通过计算电压变化趋势，跟踪充放电状态的切换，每完成一次「充电→放电」的完整过程即计为一个循环（可根据实际循环定义调整判断逻辑）。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 加载并预处理数据（确保时间序列有序）
df = pd.read_csv("your_data.csv")
df['datetime'] = pd.to_datetime(df['datetime'])
df = df.sort_values('datetime').reset_index(drop=True)

# 计算电压差分，过滤噪声后判断趋势
diff_threshold = 0.01  # 根据数据波动调整，过滤微小噪声
df['voltage_diff'] = df['voltage'].diff()
df['trend'] = np.where(
    df['voltage_diff'] > diff_threshold, 'charging',
    np.where(df['voltage_diff'] < -diff_threshold, 'discharging', 'stable')
)

# 状态机跟踪循环次数
current_state = df['trend'].iloc[0]
cycle_count = 0
cycle_end_times = []

for idx, row in df.iterrows():
    # 当状态从充电转为放电时，视为完成一次完整充放循环
    if current_state == 'charging' and row['trend'] == 'discharging':
        cycle_count += 1
        cycle_end_times.append(row['datetime'])
    current_state = row['trend']

print(f"统计到的电池循环次数：{cycle_count}")

# 可视化验证
plt.figure(figsize=(19, 8))
plt.plot(df['datetime'], df['voltage'], label='电池电压')
for time in cycle_end_times:
    plt.axvline(x=time, color='r', linestyle='--', label='循环结束' if time == cycle_end_times[0] else "")
plt.xlabel('时间')
plt.ylabel('电压')
plt.legend()
plt.show()

方法二：峰谷配对检测循环 #

结合峰值（充电最高点）和谷值（放电最低点）的检测，通过时间顺序配对峰谷，每一对有效「谷值→峰值→谷值」或「峰值→谷值→峰值」计为一个循环。

import pandas as pd
import matplotlib.pyplot as plt
from scipy.signal import find_peaks

# 加载并预处理数据
df = pd.read_csv("your_data.csv")
df = df.sort_values('datetime').reset_index(drop=True)

# 先平滑电压数据，减少噪声干扰
df['voltage_smoothed'] = df['voltage'].rolling(window=50).mean().dropna()

# 检测峰值（充电最高点）
peaks, _ = find_peaks(
    df['voltage_smoothed'],
    prominence=0.5,  # 峰与周围的高度差，根据数据调整
    height=51        # 峰值最低阈值
)

# 检测谷值（放电最低点，通过反转电压找峰值实现）
valleys, _ = find_peaks(
    -df['voltage_smoothed'],
    prominence=0.5,
    height=-48       # 谷值最高阈值（反转后为负，对应原电压最低值）
)

# 按时间顺序配对峰谷，统计循环次数
cycle_count = 0
last_valley_idx = None

for peak_idx in peaks:
    # 找到当前峰值之前的最近谷值
    preceding_valleys = valleys[valleys < peak_idx]
    if len(preceding_valleys) > 0 and (last_valley_idx is None or preceding_valleys[-1] > last_valley_idx):
        cycle_count += 1
        last_valley_idx = preceding_valleys[-1]

print(f"统计到的电池循环次数：{cycle_count}")

# 可视化验证
plt.figure(figsize=(19, 8))
plt.plot(df['voltage_smoothed'], label='平滑后电压')
plt.plot(peaks, df['voltage_smoothed'].iloc[peaks], 'x', color='r', label='充电峰值')
plt.plot(valleys, df['voltage_smoothed'].iloc[valleys], 'o', color='g', label='放电谷值')
plt.xlim(0, 45000)
plt.xlabel('数据点索引')
plt.ylabel('电压')
plt.legend()
plt.show()

关键调整提示 #

1. 噪声处理：如果数据波动大，先通过滚动平均（rolling.mean）或高斯滤波平滑数据，避免误判趋势。
2. 阈值参数：diff_threshold、prominence、height等参数需要根据你的实际电压范围和波动幅度调整，可通过可视化逐步优化。
3. 循环定义：根据电池实际使用场景调整循环判断逻辑（比如部分场景下「放电→充电」也可视为一个循环）。

内容的提问来源于stack exchange，提问作者aparna podili