第1章：一阶RC模型（Thevenin Model）——极化效应的数学描述

大家好，我是你们的老朋友。今天咱们来聊聊电池建模里最经典的一个模型——一阶RC模型，也叫Thevenin模型。

说实话，我在做BMS算法这行快十年了。刚入行那会儿，我总觉得模型越复杂越好。后来被现实狠狠教育了一顿——复杂的模型在嵌入式平台上跑不动，参数辨识还容易发散。嗯，从那以后，我学会了「够用就好」这个道理。

一阶RC模型，说白了就是用一个电阻加一个RC并联网络来描述电池的行为。它比纯内阻模型多了极化效应，但又比二阶RC模型简单。我个人习惯把它作为项目起步的首选模型。

1.1 极化效应是什么？

先问大家一个问题：为什么电池在放电时，端电压会掉得比开路电压快？

原因就是极化效应。极化效应分为三种：

• 欧姆极化：由电池内阻引起，瞬间产生，瞬间消失
• 浓差极化：由离子浓度梯度引起，变化慢，需要几十秒甚至几分钟
• 电化学极化：由电极反应速率引起，介于两者之间

一阶RC模型主要描述的是电化学极化。浓差极化嘛，得用二阶RC模型才能搞定。

1.2 数学描述

咱们来看数学表达式。一阶RC模型的电路方程是这样的：

U_t = U_oc - I * R0 - U_p

其中：
U_t —— 端电压（V）
U_oc —— 开路电压（V）
I —— 电流（A，放电为正）
R0 —— 欧姆内阻（Ω）
U_p —— 极化电压（V）

极化电压U_p的动态特性由RC网络决定：

dU_p/dt = I / C_p - U_p / (R_p * C_p)

或者写成：
dU_p/dt = I / C_p - U_p / τ

其中 τ = R_p * C_p，称为时间常数

我在项目中遇到过一个问题：时间常数τ的取值很关键。如果τ太小，模型响应太快，跟实际电池行为对不上；如果τ太大，模型又太迟钝。一般来说，锂离子电池的τ在10秒到100秒之间。

1.3 传递函数推导

接下来咱们推导传递函数。为什么要做这个？因为传递函数能帮我们在频域里分析模型特性，做参数辨识也方便。

对上面的微分方程做拉普拉斯变换：

s * U_p(s) = I(s) / C_p - U_p(s) / (R_p * C_p)

整理得：
U_p(s) = (R_p / (1 + s * R_p * C_p)) * I(s)

代入端电压方程：
U_t(s) = U_oc(s) - I(s) * R0 - (R_p / (1 + s * τ)) * I(s)

所以从电流到端电压的传递函数是：

G(s) = (U_t(s) - U_oc(s)) / I(s) = -[R0 + R_p / (1 + s * τ)]

你想想看，这个传递函数其实就是一个一阶惯性环节加上一个纯电阻。说白了，电池的阻抗特性就是由这两部分组成的。

1.4 时域参数辨识

时域辨识，说白了就是拿电流和电压的实测数据来拟合模型参数。常用的方法有最小二乘法和卡尔曼滤波法。

我给大家展示一下最小二乘法的思路。首先把模型写成离散形式：

U_t(k) = U_oc(k) - I(k) * R0 - U_p(k)

U_p(k+1) = exp(-Δt/τ) * U_p(k) + R_p * (1 - exp(-Δt/τ)) * I(k)

然后定义状态向量和观测矩阵，用递推最小二乘法（RLS）在线更新参数。代码实现大概是这样的：

// 伪代码示例
// 初始化
theta = [R0, Rp, tau]'  // 参数向量
P = eye(3) * 1000       // 协方差矩阵
lambda = 0.98           // 遗忘因子

// 每次采样时执行
for k = 1:N
    // 构建观测向量
    phi = [-I(k), -I(k), -U_p(k-1)]'
    
    // 计算增益
    K = P * phi / (lambda + phi' * P * phi)
    
    // 更新参数
    error = U_t(k) - U_oc(k) - phi' * theta
    theta = theta + K * error
    
    // 更新协方差
    P = (P - K * phi' * P) / lambda
end

1.5 频域参数辨识

频域辨识，就是用电化学阻抗谱（EIS）的数据来拟合模型参数。EIS测出来的是不同频率下的阻抗值，画在Nyquist图上就是一个个点。

一阶RC模型的Nyquist图长什么样？

• 高频段：阻抗趋近于R0（实轴上的点）
• 中频段：出现一个半圆，对应RC网络的响应
• 低频段：阻抗趋近于R0 + Rp

参数辨识的方法很简单：

1. 从高频段读取R0（实轴截距）
2. 从低频段读取R0 + Rp（实轴截距）
3. 从半圆顶点频率计算τ = 1 / (2π * f_peak)
4. 计算Cp = τ / Rp

我记得有一次做EIS测试，发现半圆压扁了，不是标准的半圆。后来查资料才知道，这是「弥散效应」导致的。解决办法是用常相位角元件（CPE）代替纯电容，那就是进阶内容了。

1.6 时域 vs 频域：怎么选？

对比项	时域辨识	频域辨识
数据来源	充放电测试数据	EIS测试数据
测试设备	普通充放电设备	需要EIS设备（贵）
在线能力	可以实现在线辨识	一般离线使用
精度	受噪声影响大	精度高，抗干扰强
适用场景	BMS在线运行	实验室标定

我个人建议：项目初期用频域辨识拿到准确的模型参数，然后把这些参数作为时域辨识的初始值。这样既保证了精度，又实现了在线自适应。

1.7 避坑指南

最后，分享几个我踩过的坑：

• 时间常数匹配问题：我曾经用一组数据辨识出来的τ是5秒，但换了一组数据就变成了50秒。后来发现是数据采样率太低，导致高频信息丢失。建议采样率至少是时间常数的10倍。
• OCV-SOC曲线的影响：如果OCV-SOC曲线太平缓，参数辨识会变得很不稳定。这时候可以加一个正则化项，或者改用差分形式的数据。
• 温度补偿：电池参数随温度变化很大。我建议在不同温度下分别做参数辨识，然后建立温度查表。别指望一个模型参数能覆盖全温度范围。

好了，这一章的内容就到这里。一阶RC模型虽然简单，但它是所有进阶模型的基础。把这一章吃透了，后面学二阶RC模型、PNGV模型都会轻松很多。

下一章咱们聊二阶RC模型，到时候会讲到浓差极化的建模方法。咱们下次见！