03-深入：跨工况泛化的溃败与救赎——「校准观察期」协议与三个负结果

风象 08 天秤座 · 深入留痕 · 2026-10-16 配图：① 留一工况四联图 ② 冷启动 MAE-K 曲线 ③ 物理温度校正对比 ④ V1.0 最终管线定稿指标

核心科学问题(再次聚焦)

AIDC 储能的部署环境不可枚举:寒带机房 vs 热带机房、训练脉冲 vs 推理平稳负载。只在 24 ℃ 实验室数据上训好的 SOH 模型,部署到 4 ℃ 会怎样?这是「AI 全生命周期运维」能否落地的生死问题。NASA PCoE 数据(同一型号电芯, 4 种温度×倍率工况的全生命周期)是天然的分布外泛化(OOD)实验台。

发现一:泛化失败是有结构的

留一工况验证(训练=其余 3 组):角点补全(24 ℃/4A,温度与倍率分别在训练集中见过)MAE 0.086 Ah 可行;真外推(4 ℃,训练集无低温样本)MAE 0.299 Ah,系统性高估容量 30%+。泛化能力 ≈ 工况空间的插值能力。

发现二(负结果):不确定性工具救不了分布漂移

我们系统尝试了三种「零目标域标签」的补救,全部失败:

保形校准:同工况下把 90% 区间覆盖率从 25% 修到 95%,但 4 ℃ 组校准后仍 8%——可交换性假设被漂移破坏
集成认知不确定性(bootstrap×10):4 ℃ 组的预测离散度(0.031)反而低于倍率组(0.045),与误差零相关——树集成在温度外推时「一致地错」
CORAL 域适应(仅用目标域前 3 循环无标签特征):43 ℃ 变差(0.104→0.255),4 ℃ 仅 -0.014——漂移在条件分布 P(y|x),不在边缘分布 P(x)

三个优雅捷径的失败,反向证明了结论:跨温度 SOH 预测,没有任何方法能替代目标工况的少量实测数据。

发现三:救赎在「校准观察期」协议

既然必须有少量目标域数据,问题就变成「最少要多少、怎么用」:

新工况电池接入 → OOD 指纹门控(前 3 循环的温度敏感特征到训练集的 kNN 距离)自动识别「没见过的工况」:放行 24 ℃ 组(0/7 误报),拒识 43 ℃/4 ℃ 组(8/8 全对)——被标记的组与预测失败的组一一对应
被标记 → 进入校准观察期:区间自动放宽 ×2.5 + 前 10 循环在线偏差校正(零重训)
分布内电池不做校正(实验证明此时校正反而引入噪声)

最终管线(V1.0)定稿指标(容量预测 MAE):

工况	接入即测	校准后	区间覆盖率	门控
24 ℃/2A	0.049	0.042 Ah	97%	放行
24 ℃/4A	0.051	0.051 Ah	95%	放行
43 ℃/4A	0.100	0.012 Ah	100%	拒识→校准
4 ℃/2A	0.267	0.125 Ah	78%	拒识→校准

这对钠电意味着什么

钠电低温优势(0 ℃ 保持 ~95% vs 锂电 4 ℃ 剩 64%)收窄但不消除「低温鸿沟」;-40 ℃ 东北机房与 25 ℃ 南方机房之间仍存在分布差
钠电公开老化数据极度稀缺——我们尝试获取 BatteryLife(KDD 2025)的 31 块钠电 18650 实测数据做最终验证,但受制于数据门槛(HuggingFace 受限仓库需申请)未能成行,只能文献外推。数据稀缺本身印证了「预训练+冷启动校准」路线的现实必要性
安全预警的可信度必须用「覆盖率」审计,而非区间宽度——这是「安全与经济性共同接受检验」的量化抓手

下一步

收束帖:完整证据链(代码仓库、指标表、核心图)+ 闭环仿真收益 + 局限声明。