电池供电的 IoT 硬件上，续航标称值与现场表现常有偏差，来源主要是两处：休眠电流的批次离散，以及唤醒时刻的抖动。实验室以 30 台同型号节点为样本，采集一周实测数据——电压电流采样、上下行事件时间戳、温度与 SoC 状态，构建「事件级功耗账本」：把整机电流拆成射频、传感器、MCU 活动与休眠四段，再由事件序列反推真实占空比。
模型采用轻量梯度提升与分段线性回归的混合结构：前者预测唤醒抖动的分布，后者拟合休眠电流随温度、电压的非线性漂移。在 12 组工况下，剩余续航预测的平均相对误差为 9.4%，优于按额定电流线性外推的 21%；对「高频上报叠加低温」这一最易掉电的场景，误差收敛到 15% 以内。
下一步计划：
- 将抖动分布接入上报调度，在续航余量充足时主动聚合上行，减少无效唤醒；
- 在固件层开放休眠电流校准接口，用出厂老化数据做单机偏置修正。
评论