第4章等效电路模型（ECM）与参数辨识

第4章：等效电路模型（ECM）与参数辨识

各位同学，欢迎来到第四章。这一章的内容，我个人认为是整个BMS算法里最「落地」的部分。你想想看，电池内部那些复杂的电化学反应，我们没法直接测量，怎么办？那就得用模型去近似它。等效电路模型（ECM）就是干这个的。

说白了，ECM就是用电阻、电容这些我们熟悉的电子元件，搭一个电路，让它的外特性跟真实电池尽量一致。我当年刚入行时，总觉得模型越复杂越牛，结果在实际项目中吃过不少亏——模型参数太多，辨识不稳定，反而还不如一阶RC模型好用。嗯，这里要记住一个原则：够用就好，别盲目追求高阶。

核心知识点速览：

一阶/二阶RC模型的结构与数学表达
开路电压（OCV）的标定方法与曲线拟合
混合脉冲功率特性（HPPC）测试流程
基于递推最小二乘（RLS）的在线参数辨识

4.1 一阶RC模型与二阶RC模型

先说说最简单的——一阶RC模型。它由一个欧姆内阻R0和一个RC并联网络串联组成。R0代表电池的瞬时压降，RC网络则模拟极化效应。数学表达式是这样的：

U(t) = OCV(SOC) - I(t)*R0 - U1(t)

其中 U1(t) 满足：
dU1/dt = -U1/(R1*C1) + I/C1

二阶RC模型呢，就是在上面再加一组RC并联网络。为什么要加？因为电池的极化效应其实分两种：电化学极化和浓差极化。前者反应快，后者反应慢。两组RC网络正好分别模拟这两种过程。

我的经验： 对于磷酸铁锂电池，一阶RC模型往往就够了。三元锂电池的话，二阶RC模型精度会更好。我曾经在一个储能项目里试过三阶RC模型，结果参数辨识老是发散，最后老老实实换回二阶——有时候少即是多。

4.2 开路电压（OCV）标定

OCV标定是参数辨识的基础。你想想看，如果OCV-SOC曲线都不准，后面辨识出来的R0、R1全是错的。我见过不少新手直接拿厂家给的OCV曲线用，结果误差大得离谱——每个电池都有个体差异，必须自己标。

标准的标定方法是小电流充放电法：

以0.05C恒流放电，每放出10% SOC静置1小时
记录静置结束时的端电压作为该SOC点的OCV
充电方向同样做一遍，取充放电OCV的平均值
用多项式或分段线性函数拟合OCV-SOC曲线

注意： 静置时间一定要够！我曾经为了赶进度，把静置时间从1小时缩短到20分钟，结果OCV曲线波动很大，后续的SOH估计直接偏了5%以上。锂离子电池的极化恢复需要时间，别省这一步。

4.3 混合脉冲功率特性（HPPC）测试

HPPC测试是获取动态数据的标准方法。它的核心思想是：给电池施加一系列充放电脉冲，观察电压响应，从中提取模型参数。

典型的HPPC测试流程：

步骤	操作	持续时间	目的
1	恒流放电至目标SOC	视容量而定	调整SOC工作点
2	静置	1小时	恢复至平衡状态
3	1C放电脉冲	10秒	获取放电内阻
4	静置	40秒	观察极化恢复
5	0.75C充电脉冲	10秒	获取充电内阻
6	静置	40秒	观察极化恢复

每个SOC点重复上述流程。通常从100% SOC开始，每降10%做一次，直到10% SOC。

4.4 参数辨识：递推最小二乘（RLS）

好了，数据有了，模型结构定了，接下来就是怎么把参数算出来。离线辨识可以用最小二乘法，但在线应用必须用递推形式——RLS。

RLS的核心思想是：每来一个新数据点，就更新一次参数估计，不需要保存所有历史数据。这对于嵌入式系统来说太重要了，内存有限嘛。

以一阶RC模型为例，RLS的递推公式如下：

初始化：
θ(0) = [0, 0, 0]^T
P(0) = δI  (δ取较大值，如1000)

每一步：
1. 计算增益矩阵 K(k) = P(k-1)*φ(k) / [λ + φ(k)^T * P(k-1) * φ(k)]
2. 更新参数 θ(k) = θ(k-1) + K(k) * [y(k) - φ(k)^T * θ(k-1)]
3. 更新协方差矩阵 P(k) = [I - K(k)*φ(k)^T] * P(k-1) / λ

其中：
φ(k) = [U(k-1), I(k), I(k-1)]^T  (回归向量)
y(k) = U(k) - OCV(k)             (输出量)
λ 为遗忘因子，通常取0.98~0.995

关键点： 遗忘因子λ决定了算法对历史数据的「记忆长度」。λ越接近1，算法越稳定但跟踪速度慢；λ越小，跟踪越快但容易受噪声干扰。我一般取0.99作为初始值，然后根据实际效果微调。

辨识出来的参数怎么用？R0直接反映电池的健康状态——内阻增大意味着老化。R1和C1的时间常数τ=R1*C1，可以反映电池的极化特性变化。把这些参数跟SOH关联起来，就是下一章的内容了。

避坑指南： 我曾经在一个项目中，RLS辨识出来的R0老是跳变，查了半天发现是电流传感器的零点漂移导致的。后来加了高通滤波器预处理电流信号，问题就解决了。记住：数据质量决定模型上限，预处理比算法本身更重要。

最后说一句，参数辨识不是一劳永逸的事。电池会老化，温度会变化，参数也会漂移。所以实际系统中，RLS通常是持续运行的，每隔一段时间就重新辨识一次。嗯，这才是工程落地的做法。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录