第二章 电池工作原理与特性
做BMS这些年，我经常跟新人说一句话：不懂电池特性，就别谈算法。你想想看，一个黑箱模型，你连里面装的是什么都不清楚，怎么去辨识参数？今天这一章，我们就来聊聊锂离子电池的那些“脾气秉性”。
核心观点：电池模型参数辨识，本质上是在用数学语言描述电池的物理化学行为。理解内部反应，是看懂参数变化的前提。
2.1 锂离子电池内部反应：摇椅里的离子旅行
锂离子电池，说白了就是一个“摇椅电池”。充电时，锂离子从正极“跳”出来，穿过电解液，嵌入到负极的石墨层里；放电时，它们又原路返回。这个过程，我习惯叫它“离子旅行”。
为什么会这样？因为锂离子在正负极材料中的化学势不同。电势差驱动着它们来回跑。我在项目中遇到过一个问题：某款电池在低温下容量骤降，拆解分析后发现，负极表面析出了锂金属。这就是典型的“离子跑不动了”——低温下电解液粘度增大，锂离子迁移受阻，只能在负极表面堆积。
我的经验：做参数辨识时，千万别忽略温度对离子迁移率的影响。我曾经在-10℃下做OCV测试，结果发现电压稳定时间比常温长了3倍。这不是电池坏了，是离子“腿脚不利索”了。
2.2 开路电压（OCV）特性：电池的“身份证”
OCV，全称Open Circuit Voltage，就是电池静置足够久之后的端电压。它和SOC（荷电状态）之间，存在一个一一对应的关系。这个关系曲线，我称之为电池的“身份证”。
为什么说它是身份证？因为不同化学体系的电池，OCV-SOC曲线长得完全不一样。磷酸铁锂的曲线中间有一段特别平，几乎没变化；三元锂的曲线则比较陡峭。你想想看，如果不知道这个特性，你拿磷酸铁锂的OCV表去估算三元锂的SOC，结果会怎样？
| 电池类型 | OCV-SOC曲线特征 | 对参数辨识的影响 |
|---|---|---|
| 磷酸铁锂（LFP） | 中间平台区极平缓（20%-80% SOC） | OCV法估算SOC误差大，需辅助安时积分 |
| 三元锂（NCM） | 整体斜率较大，无明显平台 | OCV法精度较高，适合直接查表 |
| 钛酸锂（LTO） | 电压平台高且平坦 | 需注意电压采样分辨率，否则容易误判 |
避坑指南：我曾经在实验室里用0.05C的倍率做OCV测试，结果发现数据还是不准。后来排查发现，静置时间不够长——锂离子在电极内部的扩散需要时间，尤其是大容量电池，静置2小时都不一定够。建议至少静置3小时以上，或者用电流趋近于0的方法外推。
2.3 内阻特性：电池的“血管”健康度
内阻，就是电池内部的电阻。它分为欧姆内阻和极化内阻两部分。欧姆内阻来自电解液、隔膜、集流体等；极化内阻则来自电化学反应过程中的浓度差和活化能垒。
我习惯把内阻比作血管。欧姆内阻是血管的粗细，极化内阻是血液的粘稠度。血管越细、血液越粘稠，内阻就越大，电池的功率性能就越差。
内阻会随着SOC、温度、老化程度变化。举个例子：
- SOC影响：低SOC时，锂离子浓度低，内阻会增大。我在项目中见过，20% SOC下的内阻比80% SOC时大了将近30%。
- 温度影响：温度每降低10℃，内阻大约增加1.5-2倍。这就是为什么冬天电动车感觉“没劲”。
- 老化影响：循环次数增加，SEI膜增厚，活性物质脱落，内阻会逐渐增大。
关键点：参数辨识时，内阻模型通常用一阶或二阶RC网络来等效。但要注意，RC参数不是常数，它们是SOC和温度的函数。我建议在辨识时，先做不同温度下的HPPC测试，把数据整理成三维查表。
2.4 容量特性：电池的“油箱”大小
容量，就是电池能存储多少电荷。单位是Ah（安时）。但容量不是一成不变的，它受放电倍率、温度、老化程度影响。
这里有个经典公式——Peukert方程：
C = I^n * t其中n是Peukert常数，一般在1.1-1.4之间。n越大，说明电池在大倍率放电时容量损失越严重。我在做电动工具BMS时，遇到过客户抱怨电池续航短。一查，原来是他们用的电机启动电流太大，Peukert效应导致实际可用容量只有标称的70%。
| 影响因素 | 变化趋势 | 对BMS算法的影响 |
|---|---|---|
| 放电倍率增大 | 可用容量减小 | 安时积分需做倍率补偿 |
| 温度降低 | 可用容量减小 | 需引入温度-容量修正系数 |
| 循环老化 | 总容量衰减 | 需定期做容量标定 |
我的建议：容量标定不要只做一次。我习惯在BMS中设置一个“容量学习”功能，每次满充满放后，用安时积分重新计算一次实际容量。这样即使电池老化，SOC估算也不会跑偏。
2.5 温度影响：电池的“情绪”开关
温度对电池的影响，可以说是全方位的。从内阻到容量，从OCV到寿命，温度都在背后“操控”着一切。
我画了一张图，帮你理清温度影响的脉络：
从这张图可以看出，温度就像一个“放大器”——低温时，内阻增大、容量缩水、OCV曲线偏移、老化加速，所有问题都放大了。我在东北做过一个储能项目，冬天零下30℃，电池的可用容量直接腰斩。那会儿我才真正体会到，温度补偿算法不是锦上添花，而是雪中送炭。
重要提醒：参数辨识时，一定要把温度作为一个独立维度来处理。我见过有人用25℃下辨识出的参数去算-10℃的SOC，结果误差超过15%。正确的做法是：在不同温度点分别做辨识，然后插值使用。
2.6 小结：这些特性如何影响参数辨识？
好了，聊了这么多，我们来总结一下。电池的这些特性，直接决定了参数辨识的难度和策略：
- OCV特性决定了开路电压法的精度，尤其是磷酸铁锂这种“平头”曲线，需要配合其他方法。
- 内阻特性是RC网络模型的核心，但参数随SOC和温度变化，需要做多维查表。
- 容量特性影响安时积分的基准，Peukert效应和温度修正必不可少。
- 温度影响是贯穿所有特性的主线，忽略温度，参数辨识就是纸上谈兵。
我个人习惯，在开始参数辨识之前，先花一周时间做电池的特性摸底测试。把OCV、内阻、容量在不同温度下的数据都跑一遍。虽然前期投入大，但后面建模和验证会顺畅很多。你想想看，数据基础打牢了，算法才能站得稳。
最后说一句：电池特性不是一成不变的。同一批次的电池，个体之间也有差异。所以，参数辨识不是一次性的工作，而是需要持续迭代的过程。保持对数据的敬畏，这是我从多年项目中悟出来的道理。
公众号:蓝海资料掘金营，微信deep3321