3. 等效电路模型基础:Rint模型、Thevenin模型、PNGV模型、DP模型原理与对比

做BMS这么多年,我接触过各种各样的电池模型。从最简单的Rint模型,到后来精度越来越高的DP模型,每个模型都有自己的脾气。今天咱们就把这四种最常见的等效电路模型掰开揉碎了聊一聊。

说白了,等效电路模型就是用电阻、电容这些基本元件,搭一个电路来模拟电池的行为。你想想看,电池内部发生的电化学反应那么复杂,我们不可能在BMS芯片里跑一个完整的电化学模型——算力不够,实时性也跟不上。所以,等效电路模型就成了工程实践中的首选。

3.1 Rint模型——最朴素的起点

Rint模型,也叫内阻模型。它简单到什么程度?就是一个理想电压源串联一个电阻。

电路结构:

  • 理想电压源:表示电池的开路电压(OCV),与SOC有函数关系
  • 内阻R₀:表示电池的欧姆内阻

数学表达式:

U_L = U_oc - I * R₀

其中U_L是端电压,U_oc是开路电压,I是电流(放电为正),R₀是内阻。

我的经验:Rint模型虽然简单,但在某些场景下够用。我记得有一次做铅酸电池的简易SOC估算,客户要求不高,我就用了Rint模型加上查表法。效果嘛,只能说勉强能用,误差在10%左右。
注意:Rint模型完全忽略了电池的极化效应。说白了,它假设电池电压随电流变化是瞬时的,没有延迟。实际电池不是这样的——你突然拉一个大电流,电压会先掉一截,然后慢慢再掉一点。这个"慢慢掉"的过程,Rint模型模拟不了。

3.2 Thevenin模型——加一个RC环节

为了弥补Rint模型的不足,Thevenin模型在Rint的基础上加了一个RC并联环节。这个RC环节用来模拟电池的极化效应。

电路结构:

  • 理想电压源U_oc
  • 欧姆内阻R₀
  • 一个RC并联网络:极化电阻R₁和极化电容C₁

数学表达式:

U_L = U_oc - I * R₀ - U₁
dU₁/dt = I/C₁ - U₁/(R₁*C₁)

U₁是极化电压,也就是RC环节两端的电压。

为什么会多一个RC环节?我打个比方:电池就像一个水桶,你突然倒水进去,水面不会立刻涨到最终高度——水需要时间渗透到桶里的各个角落。RC环节就是模拟这个"渗透过程"。

关键参数:时间常数τ = R₁ * C₁。这个值决定了极化过程的快慢。锂离子电池的τ通常在几秒到几十秒之间。

我在项目中遇到过一个问题:用Thevenin模型做HPPC(混合脉冲功率特性)测试的拟合时,发现同一个电池在不同SOC点下的R₁和C₁变化很大。后来我意识到,这其实是电池内部状态在变化,不能用一个固定的参数集去套所有工况。

3.3 PNGV模型——考虑OCV变化

PNGV模型是《PNGV电池测试手册》中提出的,它比Thevenin模型多了一个电容。这个电容串联在回路中,用来模拟电池开路电压随累积容量的变化。

电路结构:

  • 理想电压源U_oc
  • 串联电容C_b:表示OCV随SOC的变化
  • 欧姆内阻R₀
  • 一个RC并联网络:极化电阻R₁和极化电容C₁

数学表达式:

U_L = U_oc - I * R₀ - U₁ - U_b
dU_b/dt = I/C_b
dU₁/dt = I/C₁ - U₁/(R₁*C₁)

U_b是串联电容上的电压,它反映了OCV随充放电量的累积变化。

避坑指南:我曾经在做一个48V微混系统的项目时,用了PNGV模型。结果发现C_b这个参数特别难辨识——它和SOC的对应关系是非线性的。后来我干脆把C_b换成查表函数,效果反而更好。有时候,理论模型和工程实现之间需要做一些折中。

3.4 DP模型——双极化,更精细

DP模型,全称是Dual Polarization Model,也就是双极化模型。它在Thevenin模型的基础上再加一个RC环节,用两个时间常数不同的RC网络来分别模拟电池的浓差极化和电化学极化。

电路结构:

  • 理想电压源U_oc
  • 欧姆内阻R₀
  • 两个RC并联网络:R₁C₁和R₂C₂

数学表达式:

U_L = U_oc - I * R₀ - U₁ - U₂
dU₁/dt = I/C₁ - U₁/(R₁*C₁)
dU₂/dt = I/C₂ - U₂/(R₂*C₂)

你想想看,电池的极化其实有两种:一种是电化学极化,反应速度快,时间常数小(几秒);另一种是浓差极化,反应速度慢,时间常数大(几十秒甚至几分钟)。用一个RC环节很难同时模拟这两种过程。DP模型用两个RC环节,各司其职,精度自然就上去了。

我的建议:如果你做的是电动汽车的BMS,DP模型基本是标配。精度够,计算量也不大。我在做某款纯电动SUV的BMS算法时,用的就是DP模型,配合扩展卡尔曼滤波,SOC估算误差能控制在3%以内。

3.5 四种模型对比

好了,四种模型都介绍完了。咱们来做个对比,看看它们各自的优缺点和适用场景。

模型 复杂度 精度 计算量 适用场景
Rint模型 ★☆☆☆☆ 极低 简易SOC估算、低成本BMS
Thevenin模型 ★★☆☆☆ 中等 通用BMS、实验室测试
PNGV模型 ★★★☆☆ 较高 中等 长时间仿真、容量估算
DP模型 ★★★★☆ 中等 电动汽车BMS、高精度SOC/SOH

从表中可以看出,模型越复杂,精度越高,但计算量也越大。实际工程中怎么选?我个人习惯是:先看算力。如果MCU是8位的,老老实实用Rint或Thevenin。如果是32位的,DP模型基本没问题。

3.6 模型选择的核心逻辑

说了这么多,到底怎么选?我总结了一个简单的决策流程:

  1. 先看精度要求:误差允许5%以上?Rint模型就够了。要求3%以内?至少Thevenin起步。
  2. 再看硬件资源:RAM够不够?Flash够不够?DP模型需要存储的参数比Rint多好几倍。
  3. 最后看工况:如果电池工作电流变化剧烈(比如急加速、急刹车),DP模型优势明显。如果电流变化平缓,Thevenin模型也能胜任。
重要提醒:模型选得再好,参数辨识不准也是白搭。我见过太多人把精力花在模型选择上,结果参数辨识随便搞搞,最后模型精度一塌糊涂。记住:模型是骨架,参数是血肉,两者缺一不可。

3.7 本章知识体系

下面这张图展示了四种等效电路模型之间的关系和演进脉络:

等效电路模型演进与对比 Rint模型 U_oc + R₀ +RC Thevenin模型 U_oc + R₀ + RC +C_b PNGV模型 U_oc + R₀ + RC + C_b +第二个RC DP模型 U_oc + R₀ + 2×RC 复杂度递增 → 精度递增 → 计算量递增 工程推荐:DP模型(精度与算力的最佳平衡)

从图中可以清楚地看到,四种模型是层层递进的关系。每增加一个元件,模型就能多模拟一种电池的物理特性。但也要记住:模型不是越复杂越好。我在一个低速电动车的项目里,用Rint模型配合查表法,成本低、效果好,客户非常满意。所以,适合的才是最好的。


公众号:蓝海资料掘金营,微信deep3321