4. 安时积分法（Ah Counting）

安时积分法，说白了就是给电池的电荷「记账」。你充进去多少，放出来多少，一加一减，剩下的就是当前电量。这个方法在BMS里是最基础、最直觉的SOC估算手段。我入行那会儿，第一个接触的算法就是它。

4.1 原理与公式

原理其实很简单。我们把电池看作一个水桶，电流就是水流。流入为正，流出为负。SOC就是桶里的水位。

核心公式就一个：

SOC(t) = SOC(0) - (1 / Q_n) * ∫ η * I(t) dt

解释一下各个参数：

• SOC(t)：当前时刻的荷电状态
• SOC(0)：初始SOC，也就是起始水位
• Q_n：电池的额定容量，单位Ah
• η：库仑效率，充电一般取0.98~1.0，放电取1.0
• I(t)：实时电流，充电为正，放电为负

离散化之后，我们在嵌入式里实际用的是这个形式：

SOC_k = SOC_{k-1} - (η * I_k * Δt) / Q_n

每过一个采样周期Δt，就累加一次。我习惯把Δt设成100ms，这样计算量不大，精度也够用。

4.2 初始SOC标定

初始SOC怎么定？这是个大问题。你想想看，如果一开始水位就标错了，后面再怎么算都是错的。

我个人习惯用开路电压法来做初始标定。电池静置足够长时间后，端电压会趋近于开路电压OCV。而OCV和SOC有对应关系，查表就能得到初始值。

具体做法：

1. 电池静置30分钟以上（我一般要求至少1小时）
2. 测量端电压，确保没有负载电流
3. 查OCV-SOC标定表，得到SOC(0)

这里有个坑。我在项目中遇到过，有些电池的OCV-SOC曲线在中间区域很平缓，比如磷酸铁锂。电压变化很小，但SOC变化很大。这时候查表误差会放大。我的建议是：对于这种电池，初始标定后尽快进入闭环修正，别光靠安时积分跑太久。

4.3 电流采样误差累积问题

这是安时积分法的「命门」。说白了，积分就是累加。每次采样都有误差，正负偏差一点点，时间一长，误差就滚雪球。

我举个例子。假设电流采样精度是±5mA，采样周期100ms。一天下来：

误差累积 = 5mA * 0.1s * 86400 = 43200 mAs = 12 Ah

如果电池容量是100Ah，那一天的SOC误差就是12%。一周下来，基本就没法看了。

为什么会这样？因为积分器没有「遗忘」机制。误差只增不减。

我在实际项目中遇到过更头疼的情况。有一次，电流传感器的零点漂移没校准好，静态时显示有10mA的偏置。系统以为一直在小电流放电，实际上电池根本没动。结果SOC一路往下掉，用户投诉说「电池虚电」。后来查出来就是零点漂移的问题。

减少误差累积的方法：

• 定期校准：利用充电满充点或放电截止点，把SOC强制拉回100%或0%
• 使用高精度传感器：比如霍尔传感器或分流器，精度做到±1mA以内
• 温度补偿：传感器温漂曲线要提前标定，运行时实时补偿
• 限制积分时间：不要长时间开环运行，定期用其他方法（如卡尔曼滤波）修正

4.4 优缺点与适用场景

安时积分法不是万能的，但也不是一无是处。咱们客观说说。

优点	缺点
实现简单，计算量小	误差会累积，无法自修正
实时性好，适合动态工况	依赖初始SOC精度
对硬件要求低	电流传感器精度直接影响结果
短时间精度高	长时间运行后误差不可控

适用场景：

• 短时应用：比如电动工具、无人机，单次充放电周期短，误差来不及累积
• 作为辅助算法：在卡尔曼滤波或扩展卡尔曼滤波中，安时积分提供状态预测值
• 低成本BMS：对SOC精度要求不高（±10%以内）的场景
• 钠电池：钠电池的OCV-SOC曲线相对平缓，但安时积分法在短时动态工况下依然可用

不适用场景：

• 长期储能系统：运行数月甚至数年，误差累积无法接受
• 高精度要求：比如电动汽车，要求SOC误差在±3%以内
• 传感器噪声大的环境：比如强电磁干扰场合

4.5 知识体系图

下面这张图总结了安时积分法的核心逻辑和关键环节：

嗯，安时积分法就讲到这里。它简单、直接，但局限性也很明显。在实际项目中，我很少单独用它，都是和其他算法配合。下一节我们会聊到开路电压法，那个方法正好能弥补安时积分的短板。

---