你手上有一条真实电芯的放电曲线，PyBaMM 模型跑出来对不上。显而易见的动作是拟合参数。但在写第一行代码之前已经有两件事会出错，写完之后还有第三件——而且它更难察觉。
这篇讲这三件事：搜索结果推给你的工具已经废弃了、你从教程里抄的 API 已经变了，以及真正要命的那个——你想拟合的大部分参数，根本无法从你手上的数据里辨识出来，优化器会照样返回一组毫无意义的数字。
一、搜索结果给你的工具已经废弃
搜 PyBaMM 参数拟合，排第一的是 pybamm-param。而它的 README 开头就是一条废弃通知：
All the functionality in pybamm-param is now available in PyBOP, which will be the focus of future development.
PyBOP 才是仍在维护的后继者（pip install pybop）。这件事值得明说，因为搜索排名和维护状态毫无关系：pybamm-param 至今排在第一、示例代码仍然能跑、装上也不会报错。你只会在需要某个功能或某个修复时，才发现它是条死路。
二、抄来的 API 片段很可能已经过期
PyBOP 自己的 README 写明 v25.10 是一次大规模重构。在那之前写的教程、notebook 和论坛回答，原样跑都会失败——而失败形式是 AttributeError 或构造函数签名对不上，不会有任何东西提示你”API 变了”。
所以对这个库有一条务实的规矩：API 要从你实际装的那个版本自带的示例里取，不要从博客里抄——包括这一篇。这也是下面没有 API 代码片段的原因。接下来写的是不随版本变化、而文档又不覆盖的那部分：到底什么值得拟合。
# 与其抄一段可能过期的调用，不如直接看你装的这个版本自带的示例
python -c "import pybop, pathlib; print(pybop.__version__, pathlib.Path(pybop.__file__).parent)"
# 然后去仓库里对应 tag 的 examples/ 目录，而不是搜索结果里的任意教程
三、真正的问题：数据看不见的东西，拟合不出来
一个 DFN 模型有五十来个参数，而一条放电曲线只是一段电压轨迹。优化器不知道这件事没希望——给它五十个自由参数，它会返回五十个数字和一个很小的残差，而其中每一个都可能是错的。
机制和”单张阻抗谱为什么是欠定的”完全相同：参数在方程里是以组合形式出现的，可观测的只有那个组合。拿一条曲线同时拟合交换电流密度和电极比表面积，你可以把前者减半、后者加倍，曲线几乎不动。优化器会停在那条山脊上的某处、报告收敛，而各自的取值只是初值位置的产物。
由此得到两条推论，它们就是参数拟合全部的实践内容：
- 少拟合，而且要有意识地选。实践证据表明开路电势和颗粒扩散率承载了放电曲线的大部分形状，应当优先释放这两个。
- 增加实验，而不是增加自由参数。一条倍率下分不开的两个参数，三条倍率下可能就分得开——因为主导的那个组合会随倍率变化。加数据是在打破简并，加自由度是在掩盖它。
四、区分”拟合出来的”和”编出来的”
无论你用哪个库，下面几步决定结果是一次测量还是一个装饰。
留出一条你没有拟合的倍率
用若干倍率拟合，用一条排除在外的做验证。如果参数集能重现被拟合的那几条却对不上留出的那条，说明它记住了曲线而不是辨识出了物理——和一个只在训练集上表现好的模型是同一种失败。这是成本最低的检查，也是被跳过最多的一个。
从多个不同初值重新拟合
用若干组不同的初始猜测跑同一个优化。如果拟合值散得很开而残差几乎不变，说明参数落在山脊上、不可辨识；如果从各处都收敛到同一个地方，那才是可辨识的证据。
这比任何单次拟合报告的不确定度都更有说服力，而且不需要额外的理论。
拿物理边界核对取值
扩散率跑到和文献差好几个数量级、孔隙率大于 1、化学计量数超出 [0, 1]——这些都不是什么惊人发现，而是优化器为了补偿别处的错误才跑到那里的迹象。在你知道物理的地方给参数加边界，并且把”贴着边界收敛”当作拟合失败而不是成功。
看残差的形状，而不只是它的大小
一个很小但有结构的残差——放电初期始终偏高、或者末端发散——意味着模型缺了某个机制，再怎么调参数也消不掉。真正的拟合产生的残差看起来像测量噪声。光看数值分不出这两者。
五、什么时候问题出在模型而不是参数
拟合修不好一个缺少物理的模型。有些症状明确指向参数之外：
| 症状 | 可能原因 |
|---|---|
| 低倍率拟合得好，高倍率发散 | 模型平均掉了电解液限制。SPM 根本表达不了，换 SPMe 或 DFN。 |
| 新电芯拟合得好，老化电芯漂移 | 没启用退化子模型，于是拟合用非物理的输运参数去补偿。 |
| 每个温度都需要一套不同的参数 | Arrhenius 依赖缺失或写错，温度行为被吸收进了常数里。 |
| 残差有一个恒定偏移 | 往往根本不在电芯——先查测量、接触电阻和 OCP 参考。 |
每一行的模式是同一个：优化器被要求用参数去表达方程里根本不存在的机制。它会照做，而它返回的参数在拟合条件之外毫无意义。
六、该记录什么
没有来源信息的参数集是不可复用的——半年后你不会记得其中哪些数字是拟合出来的、哪些来自已发表的参数集。
基础参数集: Chen2020
拟合的参数: 负极颗粒扩散率、正极 OCP 偏移
固定的参数: 其余全部（来源: Chen2020）
数据: 3 条放电曲线, 0.5C / 1C / 2C, 25 C, 电芯编号 ...
留出验证: 1.5C，只用于验证
优化器: <名称与版本>
重启次数: 8 组初值；拟合值离散度 < 5%
留出集误差: RMSE ... mV
残差形状: 类噪声，两端均无结构
是否贴边界: 无
最重要的是重启次数和留出集误差这两行。报告拟合结果时不给这两项，那就只是一条被凑到重合的曲线，而不是一组被测量出来的参数。
References
- PyBOP —— 电池模型参数优化
- pybamm-param（已废弃，由 PyBOP 取代）
- PyBOP: A Python package for battery model optimisation and parameterisation
- PyBaMM 讨论：改进对 LFP 实测数据的拟合
- PyBaMM 参数集参考
相关阅读：PyBaMM 架构与求解器选型（模型选错了，拟合再准也没有物理意义）、EIS 标签与可辨识性（频域里的同一个简并问题）、求解器收敛失败排查（拟合过程中最常撞到的中断）。想直接在实测脉冲数据上看这个问题，站内的 HPPC 脉冲内阻分析器 在静置不足以支撑 τ 时只给下界，用的就是这里的判据。