第2章：电池基础知识
各位同学，大家好。我是你们的老朋友，一个在BMS领域摸爬滚打多年的工程师。今天咱们来聊聊电池基础知识。这部分内容，说白了就是BMS系统的“内功心法”。你算法写得再花哨，如果不懂电池本身的脾气秉性，那都是白搭。
我个人习惯，在讲任何系统之前，先把最底层的物理化学原理搞清楚。这样你后面遇到各种奇怪的现象，才不会慌。嗯，咱们开始吧。
2.1 锂离子电池工作原理
锂离子电池，大家天天用，但它是怎么工作的？
简单来说，就是锂离子在正负极之间来回“搬家”。充电的时候，锂离子从正极“跑”出来，穿过电解液，嵌入到负极的石墨层里。放电的时候，它们又从负极“跑”回正极。
这个过程，我习惯叫它“摇椅式反应”。锂离子就像个乘客，在正负极两把椅子之间来回坐。电子则通过外电路流动，形成电流，给我们供电。
关键反应式（以最常用的钴酸锂为例）：
正极：LiCoO2 ⇌ Li1-xCoO2 + xLi+ + xe-
负极：6C + xLi+ + xe- ⇌ LixC6
总反应：LiCoO2 + 6C ⇌ Li1-xCoO2 + LixC6这里要注意，这个反应不是100%可逆的。每次充放电，都会有一小部分锂离子“迷路”，或者跟电解液发生副反应，再也回不来了。这就是电池容量衰减的根本原因。
2.2 关键参数：SOC、SOH、SOP、SOE
这四个参数，是BMS的核心输出。你想想看，如果连电池还剩多少电、健康状况如何都不知道，那还怎么管理？
2.2.1 SOC（State of Charge，荷电状态）
这就是大家常说的“剩余电量”。0%表示没电，100%表示满电。但它的定义其实很严谨：
SOC = (剩余容量 / 额定容量) × 100%难点在于，剩余容量没法直接测量，只能估算。常用的方法有安时积分法、开路电压法、卡尔曼滤波法等。
2.2.2 SOH（State of Health，健康状态）
SOH反映的是电池的老化程度。新电池的SOH是100%，当SOH降到80%以下，通常就建议退役了。
SOH的评估，主要看两个方面：
- 容量衰减： 当前最大可用容量 / 出厂额定容量
- 内阻增加： 当前内阻 / 出厂内阻（通常内阻增加一倍，也认为寿命终结）
我个人更看重内阻的变化。因为容量衰减是渐进的，但内阻突然增大，往往预示着电池内部出现了问题，比如微短路、电解液干涸等。
2.2.3 SOP（State of Power，功率状态）
SOP告诉你，电池在当前状态下，还能输出或吸收多少功率。这对车辆的加速性能和能量回收至关重要。
SOP的估算，主要受限于：
- 电压限制： 放电时不能低于截止电压，充电时不能高于截止电压
- 电流限制： 不能超过电芯允许的最大充放电电流
- 温度限制： 低温下功率要降额，高温下也要降额
举个例子，冬天你感觉车子加速没劲，其实就是BMS限制了SOP，为了保护电池。
2.2.4 SOE（State of Energy，能量状态）
SOE比SOC更进一步。SOC告诉你“还有多少电”，SOE告诉你“还能做多少功”。
因为电池在不同放电倍率下，能释放出的能量是不一样的。大倍率放电时，内阻损耗大，实际放出的能量就少。SOE就是考虑了这种效率损失后的剩余能量百分比。
| 参数 | 物理意义 | 常用估算方法 | 我的关注点 |
|---|---|---|---|
| SOC | 剩余电量百分比 | 安时积分+开路电压+卡尔曼滤波 | 长期精度，零漂校准 |
| SOH | 健康状态/老化程度 | 容量测试+内阻测试 | 内阻突增的预警 |
| SOP | 峰值功率能力 | 基于等效电路模型查表 | 动态响应，不能太激进 |
| SOE | 剩余可用能量 | SOC × 能量效率因子 | 不同倍率下的效率修正 |
2.3 电池模型：Rint、Thevenin、PNGV
为什么要建模型？因为电池内部状态（比如SOC、极化电压）没法直接测量，只能通过外部可测的电压、电流、温度来推算。模型，就是连接内外状态的桥梁。
2.3.1 Rint模型（内阻模型）
这是最简单的模型，把电池看作一个理想电压源串联一个内阻。
U = OCV - I × R0其中U是端电压，OCV是开路电压，I是电流，R0是欧姆内阻。
这个模型太粗糙了。它忽略了电池的极化效应。你想想看，电池在充放电停止后，电压还会慢慢变化，这就是极化在恢复。Rint模型完全反映不了这个现象。
2.3.2 Thevenin模型（戴维南模型）
这个模型在Rint的基础上，加了一组或多组RC并联环节，用来模拟极化效应。
U = OCV - I × R0 - U1 - U2 - ...
其中，U1、U2是各RC环节的极化电压一阶RC模型是最常用的，它用一个RC环节模拟电化学极化，精度已经能满足大部分需求。二阶RC模型再加一个RC环节模拟浓差极化，精度更高，但计算量也更大。
我个人在量产项目中，90%的情况都用一阶RC模型。为什么？因为二阶模型虽然精度高一点，但对参数辨识的精度要求也更高，搞不好会过拟合，反而得不偿失。
2.3.3 PNGV模型（新一代汽车合作伙伴模型）
这个模型是Thevenin模型的升级版。它增加了一个电容，用来模拟OCV随SOC变化的累积效应。
说白了，Thevenin模型假设OCV是固定的，但实际OCV会随着SOC变化。PNGV模型把这个变化也考虑进去了。
它的电路结构是：一个理想电压源（OCV），串联一个电容（代表OCV变化），再串联一个内阻和RC环节。
这个模型精度很高，但参数辨识也更复杂。我在做高精度SOC估算算法时，会优先考虑PNGV模型。
| 模型 | 复杂度 | 精度 | 适用场景 |
|---|---|---|---|
| Rint | 低 | 低 | 快速估算、方案预研 |
| Thevenin（一阶） | 中 | 中 | 量产项目主流选择 |
| Thevenin（二阶） | 中高 | 高 | 对精度要求高的场景 |
| PNGV | 高 | 很高 | 高精度SOC/SOP估算 |
好了，这一章的内容就到这里。电池基础知识是BMS的根基，希望大家能真正理解，而不是死记硬背。下一章，咱们聊聊BMS的硬件架构，看看这些算法是怎么在芯片上跑起来的。