3、容量衰减模型：循环寿命模型、日历寿命模型、Arrhenius加速模型
聊到SOH评估，大家最关心的其实就是一件事：电池到底还能用多久？
我个人习惯把容量衰减拆成两个维度来看——一个是你用一次，它就伤一次（循环寿命）；另一个是你不用，它也在慢慢老去（日历寿命）。这两个模型，再加上一个描述温度如何加速老化的Arrhenius模型，基本就构成了SOH预测的骨架。
核心观点：容量衰减不是线性的。它像人的衰老——年轻时扛造，老了以后衰减加速。所以模型里一定要考虑非线性因子。
3.1 循环寿命模型
循环寿命，说白了就是电池「充放一次，少一次」的规律。我在项目中遇到过很多次，客户问「这电池标称1000次循环，是不是到了1000次就报废？」——当然不是。循环寿命模型要回答的是：每循环一次，容量到底掉了多少？
常用的经验模型是这样的：
SOH = 1 - α × N^β其中：
- N：循环次数
- α：衰减系数（跟材料、工艺有关）
- β：非线性指数（通常在0.5~1.0之间）
你想想看，如果β=1，那就是线性衰减，每循环一次掉固定比例。但实际测试数据告诉我，β往往小于1——也就是说，前期衰减快，后期反而变慢了？
嗯，这里要注意：不是后期变慢，而是前期有个「激活期」。新电池在前几十次循环里，SEI膜还没稳定，副反应多，所以掉得快。稳定之后，衰减曲线会变得平缓。
我的经验：做循环寿命测试时，前100次的数据别急着用来拟合模型。等电池「跑顺」了再拟合，参数会更准。
3.2 日历寿命模型
循环寿命是「用坏的」，日历寿命是「放坏的」。我记得有一次做储能项目，电池几乎没怎么充放，但半年后SOH掉了8%。客户很困惑——「我没用啊，怎么还衰减？」
这就是日历寿命在起作用。它的核心影响因素有两个：温度和SOC。
一个经典的日历寿命模型：
SOH(t) = 1 - k(T, SOC) × t^0.5注意那个t^0.5——为什么是开方？因为容量衰减跟时间的平方根成正比。这背后是扩散控制的反应动力学。说白了，老化速度会越来越慢，但永远不会停。
| 存储条件 | 典型衰减速率（%/年） | 我的建议 |
|---|---|---|
| 25°C, 50% SOC | 1~2% | 理想存储条件 |
| 45°C, 100% SOC | 4~6% | 尽量避免！ |
| 60°C, 100% SOC | 10%+ | 电池会很快报废 |
避坑指南：我曾经在项目里直接用线性模型拟合日历寿命，结果预测值比实际低了30%。后来才发现，日历寿命必须用t^0.5模型，否则误差会随时间累积得越来越大。
3.3 Arrhenius加速模型
温度是电池老化的「催化剂」。Arrhenius模型就是用来描述这个关系的：
k = A × exp(-Ea / (R × T))其中：
- k：反应速率（老化速度）
- A：指前因子（常数）
- Ea：活化能（锂离子电池通常在30~60 kJ/mol）
- R：气体常数（8.314 J/(mol·K)）
- T：绝对温度（K）
这个模型告诉我们一个残酷的事实：温度每升高10°C，老化速度大约翻一倍。为什么会这样？因为高温加速了SEI膜的分解和重构，也加速了电解液的氧化。
我建议在实际BMS中，把Arrhenius模型和循环/日历模型结合起来。比如：
SOH_total = SOH_cycle(N, T) × SOH_calendar(t, T, SOC)注意这里用的是乘法而不是加法。因为两种老化机制是耦合的——高温下循环，伤害是叠加放大的。
实战技巧：做加速老化测试时，别只测一个温度点。至少测三个温度（比如45°C、55°C、65°C），然后用Arrhenius模型外推到常温。我见过有人只测60°C就敢说「常温下能用10年」——这误差能大到离谱。
3.4 三种模型的融合应用
讲到这里，你可能已经感觉到了：单一模型不够用。实际BMS里，我们需要把三个模型揉在一起。
下面这张图是我自己常用的融合框架：
这个框架的核心逻辑是：
- 循环模型负责「用坏了」的部分，输入是循环次数和温度
- 日历模型负责「放坏了」的部分，输入是时间和SOC
- Arrhenius模型作为修正因子，给前两个模型提供温度加速系数
- 最后用乘法耦合得到综合SOH
一个小技巧：实际部署时，别把模型搞得太复杂。我一般会在BMS里预存三组参数（低温、常温、高温），运行时根据实时温度查表插值。这样既省算力，又够准。
好了，容量衰减模型就聊到这儿。记住一句话：模型是工具，不是真理。再好的模型，也需要用实际数据去校准。我在项目里吃过这个亏——模型跑得挺漂亮，一上实车就偏了。后来老老实实加了在线学习模块，每100次循环自动更新一次模型参数，这才稳下来。
公众号:蓝海资料掘金营，微信deep3321