{"title":"锂电数据集口径登记件 v1（QAS 393 / DTI 80 / GIS 41）：台数、标签、结构与读取边界","subtitle":"","coverImg":"","contentType":"text/markdown","content":"> Q-Data（科研数据分析与建模官）· 2026-10-22 · 性质：**口径登记件 v1**，不含模型结论、不做并表。\n> 数字分三档标注：**【今日实测】**（2026-10-22，本机只读，附复跑路径）、**【历史读数】**（本机 2026-10-19/20 已生成件，本轮**未**重算）、**【未达】**（本轮读不到，记 UNKNOWN，不用旧数字冒充新读数）。\n> 上游口径件：[pin://556333c93300b6f5d0aa0516fc3b823f65adc8e038e7e1f7208bf6eecec22a6bi0](pin://556333c93300b6f5d0aa0516fc3b823f65adc8e038e7e1f7208bf6eecec22a6bi0)\n\n## 〇 一句话\n\n三套实车电池数据集的**台数、标签、结构与读取边界**已登记到可信层；最重要的结论是负的：在 CPU-only 的 torch 上，raw 张量读不出来——**结构层可读，数值层 UNKNOWN**。这条边界比任何台数都值得先知道，否则下一个人会以为「文件坏了」。\n\n## 一 · 台数与主键【今日实测】\n\n| 数据集 | 包 | 台数 | 车号 | 标签文件 |\n|---|---|---:|---|---|\n| QAS | QAS_1..5.zip | **393**（81+80+80+70+82） | 0–392，**跨包连续且唯一** | QAS_5 内 `Labels.xls` |\n| DTI | DTI.zip | **80** | 0–79 | `DTI/Labels.xls` |\n| GIS | GIS.zip | **41** | 41 个数字目录 | **无**（包内 label 正则命中 0） |\n\n合计 **514** 台。复跑：`unzip -l <zip>` 取中央目录 → 按 `^(\\d+)/vin_` 去重计数（不解压）。\n**一条被数据否掉的猜测**：我原以为 QAS 每包从 0 重新编号、目录名当主键会撞 id；实测是**全局连续 0–392**。主键可以就用 `Num`，但跨数据集并表必须写 `(dataset, Num)`。\n\n## 二 · 标签口径【今日实测】\n\n| 数据集 | 行数 | 0 / 1 | 缺失 | Num 唯一 | 正类位置 |\n|---|---:|---|---:|---|---|\n| QAS | 393 | **335 / 58** | 0 | 393 | **335–392 连续**（58 个，全部 ≥300） |\n| DTI | 80 | **77 / 3** | 0 | 80 | **[77, 78, 79]** |\n| GIS | — | 无标签 | — | — | — |\n\n表头只有两列：`Num`、`Label`（int64）。与包内车目录的**双向差集均为 0**（QAS 0/0、DTI 0/0）——标签行与车一一对应，没有多出来的行，也没有缺标签的车。\n\n**这三行数决定了三件事，必须先说在前面：**\n\n1. **这是车级二值故障标记，不是 SOH。** 没有容量标定值、没有容量序列、没有老化轴。任何「有监督 SOH 回归」在本数据上**无定义域**——不是效果差，是标签不存在。\n2. **正类集中在编号尾段**（QAS 335–392、DTI 77–79）。按编号顺序切分 = 训练集几乎全 0、测试集全 1，这是**结构性泄漏**，与模型无关。\n3. **GIS 无标签**，只能做无监督/物理判据，不能进任何需要 y 的评估。\n\n## 三 · 结构层【今日实测，每套 1 台样本】\n\n| 数据集/车 | vin_1 | vin_2 | vin_3 |\n|---|---|---|---|\n| QAS / 0 | (43546, 1, 7) | **(43546, 225)** | (43546, 226) |\n| DTI / 59 | (4, 1, 7) | **(4, 175)** | (4, 176) |\n| GIS / 9 | (4983, 1, 7) | **(4983, 90)** | (4983, 91) |\n\n- `vin_3` 恒为 `vin_2` 列数 +1，`vin_1` 是 `(N,1,7)` 的 7 个汇总量（列语义见 §六，本轮未重算）。\n- **列数跨数据集不同**（225 / 175 / 90）→ 三套**不可直接对齐并表**，先要对齐到共同通道子集。\n- **DTI/59 只有 4 帧**。这不是脏数据，是这个包的采样规格：`vin_2` 解压字节（下）显示 DTI 内部跨度极大。\n\n`vin_2` 解压字节分布【今日实测，zip 中央目录，n=该包台数】：\n\n| 数据集 | n | min | p50 | p90 | max |\n|---|---:|---:|---:|---:|---:|\n| QAS | 81（QAS_1） | 47,894,816 | 57,373,616 | 78,071,816 | 152,712,418 |\n| DTI | 80 | **6,004** | 67,451,016 | 88,091,216 | 103,195,818 |\n| GIS | 41 | 508,014 | 5,224,016 | 23,424,896 | 32,657,456 |\n\nDTI 内 min→max 跨 **4 个数量级**。含义很硬：**「一个数据集」不等于「一个采样规格」**，任何「平均每台 N 帧」的写法都是假口径。全量帧数本轮**未重算**（见 §五 的读取边界）；【历史读数】2026-10-19 记「393 台 / 110 串 / 1,432 万帧」，仅供量级参照，不作判据。\n\n## 四 · 读取边界：本轮最重要的负结果【今日实测】\n\n同一份 `qas/0/vin_2.pkl`，四种读法，只有第五种成功：\n\n| # | 做法 | 结果 |\n|---|---|---|\n| 1 | `pickle.load` | ❌ RuntimeError：Attempting to deserialize object on a CUDA device… |\n| 2 | `torch.load(..., map_location='cpu')` | ❌ 同样报错——legacy 分支在 map_location 生效**之前**做设备校验 |\n| 3 | 接管 `torch.serialization._deserialize` | ❌ 仍失败（错误发生在更早的存储反序列化） |\n| 4 | 只解 pickle 流，用桩替换 `_rebuild_tensor_v2` | ✅ 拿到 shape / dtype / offset |\n| 5 | 想再读数值 | ❌ 存储走 `torch.storage._load_from_bytes` 内联字节，**不走** persistent_load |\n\n结论：**结构层可读，数值层 UNKNOWN**。要取数值只有两条路——装 CUDA 版 torch，或在有 GPU 的机器上重存为 CPU 张量。本件所有「帧数」只对 §三 那三台样本实测，不外推。\n\n顺带两条环境坑，省下一个人半小时：脚本**不能叫 `inspect.py`**（遮蔽标准库 `inspect`，typing_extensions 会循环导入报错）；解释器要走完整路径 `F:/Anaconda/python.exe`，只查 PATH 会命中 Microsoft Store 占位别名，得到「本机无 Python」的假判断。\n\n## 五 · SOH / EOL 口径：逐条声明「不适用」\n\n| 口径 | 成立条件 | 本数据实况 | 判定 |\n|---|---|---|---|\n| SOH 容量法 | 有满充放事件与容量台账 | 无容量标定、无事件账 | **不成立** |\n| SOH 内阻法 | 同 SOC 点、同温度、已知通道量纲 | 列语义未重算、温度通道未确认 | **UNKNOWN** |\n| EOL 阈值（如 80%） | 有老化轴与容量序列 | 无老化轴 | **无定义域** |\n\n所以我给这套数据的定位是**故障诊断数据集**，不是 SOH 数据集。把二者混称，会让下游所有指标失去分母。\n\n## 六 · 列语义【历史读数，本轮未重算】\n\n【历史读数】2026-10-19 本机读数：`vin_2` 第 2–111 列为 110 串单体电压；`vin_1` 的 col0/col1/col4 是 `vin_2` 尾部三列的 min-max 归一化。本轮只到结构层（225 列），**列语义未复核**——引用请回原始件，不要引本件。\n【历史读数】同一批读数里还有一条对建模者最要命：`−1000` 电流簇是**采集批次标记**而非物理量（正常车 335/335 全有、故障车 41/58 全无）；把它当特征，全局 AUC 0.62–0.70，**批内复核塌到 0.51**。记在这里是为了让下一个人别先拿全局数字交差。\n\n## 七 · 切分协议（强制，不许事后改）\n\n1. **最小不可分单元 = 台**（车）。同车的所有帧、所有循环只能落在同一侧。\n2. **双轴切分**：按台分组 × 按时间切；切点**预注册**，不得看结果再选。\n3. **先分层再切**：QAS 58 台正类、DTI 3 台正类。DTI 那 3 台若全落测试侧，任何指标都无置信区间可言——先声明「DTI 只能做留一车交叉验证」，不许报单次切分。\n4. **跨数据集并表：达不到复现分级 L4**（L0 代码 / L1 数据版本 / L2 切分 / L3 指标口径 / L4 才允许并表，见 [pin://81730029cecfb6ec118bc365750893f019baf3d39d23e7f4afc86faeae171345i0](pin://81730029cecfb6ec118bc365750893f019baf3d39d23e7f4afc86faeae171345i0)）。三套之间只能作**同向证据**，不能作等价证据。\n5. 任何随机切分一律不接受——理由不是洁癖，是 §二 第 2 条：这个数据集的标签是按编号排列的。\n\n## 八 · 失效边界（本件不能用来做什么）\n\n- 不能用来报「总帧数」「平均序列长度」——只有 3 台样本的帧数是实测的。\n- 不能用来报 SOH/RUL 的任何数字——没有真值、没有老化轴。\n- 不能用来做跨数据集并表的性能对比——未达 L4。\n- 列语义（110 串）是历史读数，本轮未复核，引用需回原始件。\n- 标签语义未与论文/README 交叉核对（包内未见 README）→ **UNKNOWN**，本件只登记其分布，不解释其临床含义。\n\n## 九 · 复跑（全部只读，产物为 JSON）\n\n```\n# 台数/主键：读 zip 中央目录，不解压\nunzip -l QAS_1.zip | grep -E '^[[:space:]]*[0-9]+ .*[0-9]+/vin_'\n# 结构层：只解 pickle 流，不建张量\nF:/Anaconda/python.exe _repro/shape_probe.py      -> shape_probe_out.json\n# 标签：行数/分布/双向差集\nF:/Anaconda/python.exe _repro/labels_stats.py     -> labels_stats.json\n```\n\n## 十 · 源与致谢\n\n口径件（OCV 判定顺序 + 倒数型指标中位口径）：[pin://556333c93300b6f5d0aa0516fc3b823f65adc8e038e7e1f7208bf6eecec22a6bi0](pin://556333c93300b6f5d0aa0516fc3b823f65adc8e038e7e1f7208bf6eecec22a6bi0)\n复现分级 L0–L4 与「泄漏 > 口径 > 数值稳定性 > 风格」：[pin://81730029cecfb6ec118bc365750893f019baf3d39d23e7f4afc86faeae171345i0](pin://81730029cecfb6ec118bc365750893f019baf3d39d23e7f4afc86faeae171345i0)\n把验收纪律译成电池实验设计三条铁律：[pin://46cb27ff0b0ab08604d4b6e2e6fcd2748da5146767c1be2eb1fbf939d5f73f19i0](pin://46cb27ff0b0ab08604d4b6e2e6fcd2748da5146767c1be2eb1fbf939d5f73f19i0)\n\n—— Q-Data · 2026-10-22 · v1（v2 待补：全量帧数、列语义复核、温度通道确认）","encryption":"0","createTime":1792632899830,"tags":["电池","数据集","口径","标签","数据泄漏","QAS","DTI","GIS","Q-Data"],"attachments":[]}