2、功耗分析基础：电流电压基础、功率计算、电池模型与放电曲线
好，咱们正式开始聊功耗分析。说实话，很多做应用层的兄弟一听到「电流电压」就觉得头大，觉得这是硬件工程师的事。我以前也这么想，直到有一次被一个功耗问题折腾了整整两周……嗯，从那以后我老实了。不懂基础，你连问题出在哪都说不清楚。
2.1 电流与电压：功耗的「油门」和「速度」
先来点最基础的。电压，你可以理解为「推动力」；电流，就是「流量」。功耗呢？说白了就是这两者的乘积。
我习惯用一个比喻：电压像水管里的水压，电流像水流的速度。水压大，水流快，单位时间流过的水就多——功耗就大。反过来，水压小，水流慢，功耗就小。
在手机、IoT设备里，我们最常打交道的电压是 3.3V、1.8V、1.2V 这些。电流呢？待机时可能是微安级（μA），跑起来就是毫安级（mA），甚至安培级（A）。
核心公式：
- 直流功率： P = V × I
- 交流功率（简化）： P = V × I × cosφ（功率因数，一般嵌入式里近似为1）
- 能量： E = P × t（单位：焦耳 或 毫瓦时 mWh）
举个例子。你测到一个模块工作电流是 200mA，电压 3.3V。那它的功耗就是 3.3 × 0.2 = 0.66W。如果它持续工作 1 小时，消耗的能量就是 0.66Wh，也就是 660mWh。
我的小技巧： 实际项目中，我习惯把电流单位统一成安培（A），电压统一成伏特（V），这样算出来的功率就是瓦特（W），不容易搞混。很多新手用 mA 和 V 直接乘，结果单位对不上，排查半天才发现问题。
2.2 功率计算：不只是 V×I 那么简单
你以为功耗就是 V×I？太天真了。实际项目中，电流是动态变化的，电压也不是恒定的。
我遇到过最典型的场景：一个 WiFi 模块在发射数据时，电流会瞬间飙到 300mA，然后迅速回落到几十毫安。如果你只测一个平均值，那你就错过了峰值功耗——而峰值功耗恰恰是导致电池电压跌落、系统重启的元凶。
所以，功率计算要分几种情况：
| 场景 | 计算方法 | 典型应用 |
|---|---|---|
| 稳态功耗 | P = V × I（I 稳定） | 待机、常亮屏幕 |
| 平均功耗 | P_avg = (1/T) × ∫V(t)×I(t) dt | 周期性任务（如传感器采样） |
| 峰值功耗 | P_peak = max(V(t) × I(t)) | 射频发射、CPU 突发运算 |
| 能量消耗 | E = ∫P(t) dt | 电池续航估算 |
你想想看，如果只算平均功耗，你可能会觉得「嗯，50mA，还行」。但实际峰值到了 500mA，电池内阻大一点，电压直接掉到 2.7V，系统就复位了。这种坑，我踩过不止一次。
注意： 计算平均功耗时，采样率一定要够。我曾经用 1Hz 的采样率去测一个 100ms 的脉冲，结果平均功耗算出来只有实际的一半。后来改用 100Hz 采样，数据才靠谱。建议至少是信号频率的 10 倍。
2.3 电池模型：不是简单的「电压源」
很多初学者把电池当成一个理想电压源——3.7V 就是 3.7V，直到没电。但实际电池不是这样的。
电池有内阻。你想想看，当电流突然增大时，内阻上会产生压降，导致电池端电压瞬间下降。这就是为什么你手机在打游戏时，电量显示会突然掉一截——不是电池坏了，是内阻在作祟。
常用的电池模型有两种：
- 简单 RC 模型： 一个电压源 + 一个内阻 R0 + 一个 RC 网络（模拟极化效应）。适合快速估算。
- Thevenin 模型： 更精确，包含多个 RC 支路，模拟不同时间常数的极化反应。适合高精度仿真。
我个人的习惯是：做快速原型时用简单 RC 模型，做产品级功耗评估时用 Thevenin 模型。别一上来就搞复杂的，先跑通再说。
电池模型关键参数：
- 开路电压（OCV）： 电池不放电时的电压，与 SOC（荷电状态）有固定关系。
- 内阻（R0）： 通常几十到几百毫欧，随 SOC 和温度变化。
- 容量（C）： 单位 mAh 或 Ah，但实际可用容量受放电倍率影响（Peukert 效应）。
2.4 放电曲线：读懂电池的「心电图」
放电曲线，说白了就是电池电压随放电时间的变化图。我刚开始看这图时，觉得不就是一条斜线嘛。后来才发现，这里面信息量巨大。
典型的锂电池放电曲线分三个阶段：
- 快速下降区： 刚放电时，电压从 4.2V 快速降到约 3.8V。这个阶段很短，但容易让人误以为电池「虚电」。
- 平台区： 电压在 3.6V~3.8V 之间缓慢下降。这是电池的主要工作区间，占了 70%~80% 的容量。
- 陡降区： 电压低于 3.3V 后，下降速度急剧加快。这时候电池基本快没电了，系统应该及时关机保护。
我曾经犯过一个错误：用平台区的电压去估算剩余电量，结果在低温环境下，电压掉得特别快，系统还没到 3.0V 就关机了。后来我学乖了，必须用 OCV-SOC 曲线查表，而不是简单线性映射。
避坑指南： 不同放电倍率下，放电曲线差异很大。0.2C 放电和 1C 放电，平台区电压能差 0.2V 以上。做电池续航测试时，一定要用实际负载电流去测，别用标准放电条件的数据来估算。
2.5 实战：用 Python 模拟电池放电
光说不练假把式。我写了个简单的 Python 脚本，模拟电池放电过程。你可以拿它来理解放电曲线的形状。
import numpy as np
import matplotlib.pyplot as plt
# 模拟电池参数
capacity_mah = 3000 # 电池容量 3000mAh
voltage_full = 4.2 # 满电电压
voltage_cutoff = 3.0 # 截止电压
internal_resistance = 0.1 # 内阻 100mΩ
# 放电电流（模拟不同负载）
current_a = 0.5 # 500mA 放电
# 时间轴（小时）
time_hours = np.linspace(0, capacity_mah / 1000 / current_a, 100)
# 简化放电模型：电压随 SOC 线性下降 + 内阻压降
soc = 1 - (time_hours * current_a * 1000) / capacity_mah
voltage_ocv = voltage_full - (voltage_full - voltage_cutoff) * (1 - soc)
voltage_terminal = voltage_ocv - current_a * internal_resistance
# 只保留高于截止电压的部分
valid = voltage_terminal >= voltage_cutoff
time_valid = time_hours[valid]
voltage_valid = voltage_terminal[valid]
print(f"模拟放电时间: {time_valid[-1]:.2f} 小时")
print(f"截止时电压: {voltage_valid[-1]:.3f} V")
# 实际项目中，你会用这个模型去估算不同负载下的续航
# 比如：待机 0.1mA 能撑多久？打游戏 500mA 能撑多久？
这段代码虽然简单，但已经能帮你理解内阻对端电压的影响了。你试试把内阻改成 0.5Ω，看看电压掉得多快——这就是为什么旧电池「不耐用」的原因之一。
注意： 实际电池的 OCV-SOC 曲线不是线性的，尤其是磷酸铁锂电池，平台区非常平坦，用线性模型会严重误判。建议从电池厂商拿到实测数据，用插值法查表。
好了，这一章的内容就到这。电流电压是基础，功率计算是工具，电池模型和放电曲线是实战武器。下一章我们会聊怎么用这些基础去搭建自动化检测框架——到时候你会发现，今天这些「枯燥」的理论，全都能派上用场。