3. 储能电池健康状态评估：SOH的定义与计算

大家好，我是老张。今天咱们聊聊电池健康状态——SOH。这玩意儿说白了，就是告诉你这块电池还“行不行”。

我刚开始做储能项目时，有客户问我：“这电池用了两年，还能用多久？”我当时只能给个模糊的估计。后来我明白了，SOH就是回答这个问题的关键指标。

3.1 SOH的定义：到底什么是“健康”？

SOH，全称State of Health，健康状态。它的定义其实很简单：当前电池的实际容量，除以出厂时的额定容量。

嗯，这里要注意：SOH不是线性下降的。我见过很多项目，电池前两年掉得慢，后面突然加速。为什么会这样？因为电池内部的化学反应不是均匀老化的。

除了容量，有些专家也会用内阻来定义SOH。我个人习惯用容量法，因为更直观，客户也更容易理解。

SOH范围	状态描述	建议操作
80% - 100%	健康	正常使用
60% - 80%	亚健康	加强监控
40% - 60%	衰退	考虑替换
< 40%	报废	必须更换

3.2 基于电压、电流、温度数据的SOH估算方法

你想想看，我们不可能把每块电池都拆下来测容量。那怎么办？用数据说话。

常用的方法有三种：

• 安时积分法：通过电流对时间的积分，算出充放电电量。简单粗暴，但误差会累积。
• 开路电压法：电池静置后，电压和SOC有对应关系。查表就能估算容量。但需要长时间静置，不适合在线监测。
• 数据驱动法：用机器学习，把电压、电流、温度作为特征，直接预测SOH。这是目前的主流方向。

我在项目中遇到过一个问题：安时积分法用久了，误差越来越大。后来我加了一个温度补偿系数，效果好了很多。说白了，温度对电池容量的影响太大了，不能忽略。

3.3 增量容量分析（ICA）与差分电压分析（DVA）实战

这部分是今天的硬菜。ICA和DVA，听起来高大上，其实原理不复杂。

ICA（增量容量分析）：把容量对电压求导，得到dQ/dV曲线。这条曲线上的峰，对应电池内部的相变反应。峰的位置和高度变化，直接反映电池老化程度。

DVA（差分电压分析）：反过来，把电压对容量求导，得到dV/dQ曲线。这个曲线对电池的极化内阻变化更敏感。

我给大家画个图，一看就明白：

下面我给大家演示一段Python代码，实现ICA分析：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 模拟充电数据
def simulate_charge_data(soh=0.8):
    voltage = np.linspace(3.0, 4.2, 1000)
    # 容量随SOH衰减
    capacity = soh * (0.5 * (voltage - 3.0)**2 + 0.1 * (voltage - 3.0))
    return voltage, capacity

# ICA计算：dQ/dV
def compute_ica(voltage, capacity):
    dq = np.diff(capacity)
    dv = np.diff(voltage)
    ica = dq / dv
    return voltage[:-1], ica

# 实战：对比不同SOH的ICA曲线
v_new, c_new = simulate_charge_data(soh=1.0)
v_old, c_old = simulate_charge_data(soh=0.7)

v_ica_new, ica_new = compute_ica(v_new, c_new)
v_ica_old, ica_old = compute_ica(v_old, c_old)

plt.figure(figsize=(10, 6))
plt.plot(v_ica_new, ica_new, label='SOH=100%', linewidth=2)
plt.plot(v_ica_old, ica_old, label='SOH=70%', linewidth=2, linestyle='--')
plt.xlabel('电压 (V)')
plt.ylabel('dQ/dV')
plt.title('ICA曲线对比')
plt.legend()
plt.grid(True)
plt.show()

你可能会问：ICA和DVA哪个更好？我的答案是：两个都用。ICA对容量衰减敏感，DVA对内阻增加敏感。结合起来，能更全面地评估电池健康状态。

好了，这一章的内容就到这里。SOH估算不是一蹴而就的事，需要结合多种方法，不断迭代优化。希望今天的分享对你有帮助。