4、容量衰减法：基于当前最大容量与标称容量的比值计算SOH，含温度与倍率修正
各位同学，咱们今天聊一个非常实在的话题——容量衰减法。
说白了，这个方法就是拿电池现在的最大容量，除以它出厂时的标称容量。比值是多少，SOH就是多少。简单吧？但实际做起来，坑可不少。
我个人习惯把这种方法叫做「最朴素的SOH算法」。为什么？因为它物理意义最清晰。你想想看，电池用久了，能充进去的电越来越少，这就是最直观的老化表现。
4.1 基础公式与物理意义
先看公式：
SOH = (C_current / C_nominal) × 100%其中：
- C_current：当前最大可用容量（单位：Ah）
- C_nominal：标称容量（出厂时标注的容量）
举个例子。一块标称100Ah的电池，现在充满电只能放出85Ah。那SOH就是85%。
关键点：这里的「最大可用容量」不是随便测的。它需要在特定条件下，以标准充放电规程来获取。我在项目中遇到过有人拿日常使用数据直接算，结果SOH跳得像心电图——那是不对的。
4.2 温度修正：为什么必须做？
电池容量受温度影响非常大。同样的电池，25℃时能放出100Ah，到了0℃可能只有80Ah。你能说它SOH从100%掉到80%了吗？当然不能。
所以，我们需要一个温度修正系数。
| 温度范围 | 修正系数 k_T | 说明 |
|---|---|---|
| 25℃ ± 2℃ | 1.00 | 基准温度，无需修正 |
| 10℃ ~ 23℃ | 1.02 ~ 1.08 | 低温下容量偏低，需向上修正 |
| 0℃ ~ 10℃ | 1.08 ~ 1.20 | 低温修正幅度增大 |
| 35℃ ~ 45℃ | 0.95 ~ 0.98 | 高温下容量略降，需向下修正 |
修正后的公式：
SOH = (C_measured × k_T / C_nominal) × 100%嗯，这里要注意：修正系数不是拍脑袋定的。我建议你根据电池厂商提供的温度-容量曲线来拟合。如果没有，那就用实验数据自己标定。
4.3 倍率修正：大电流放电的陷阱
还有一个容易被忽略的因素——放电倍率。
你想想看，同样一块电池，用0.2C小电流放电，能放出100Ah；用1C大电流放电，可能只能放出90Ah。这不是电池坏了，而是大电流下极化效应导致容量「看起来」变小了。
我曾经在项目里踩过这个坑。当时客户反馈电池SOH掉得特别快，我一查数据，发现他们一直在用2C倍率做容量测试。修正之后，SOH其实还在95%以上。
倍率修正系数 k_C 的经验值：
| 放电倍率 | 修正系数 k_C | 备注 |
|---|---|---|
| 0.2C ~ 0.5C | 1.00 | 标准倍率，无需修正 |
| 0.5C ~ 1C | 1.02 ~ 1.05 | 轻度修正 |
| 1C ~ 2C | 1.05 ~ 1.12 | 中度修正 |
| 2C以上 | 1.12 ~ 1.25 | 重度修正，建议避免 |
4.4 综合修正公式与代码实现
把温度和倍率都考虑进去，最终公式长这样：
SOH = (C_measured × k_T × k_C / C_nominal) × 100%下面是我在实际项目中用过的Python代码片段：
def calculate_soh_capacity(measured_capacity, nominal_capacity,
temperature, discharge_rate):
"""
容量衰减法计算SOH（含温度与倍率修正）
参数:
measured_capacity: 实测容量 (Ah)
nominal_capacity: 标称容量 (Ah)
temperature: 测试温度 (℃)
discharge_rate: 放电倍率 (C)
返回:
soh: 修正后的SOH值 (%)
"""
# 1. 温度修正系数
if 23 <= temperature <= 27:
k_T = 1.00
elif 10 <= temperature < 23:
k_T = 1.00 + (23 - temperature) * 0.006
elif 0 <= temperature < 10:
k_T = 1.08 + (10 - temperature) * 0.012
elif 27 < temperature <= 35:
k_T = 1.00 - (temperature - 27) * 0.003
elif 35 < temperature <= 45:
k_T = 0.98 - (temperature - 35) * 0.003
else:
raise ValueError("温度超出修正范围 (0℃~45℃)")
# 2. 倍率修正系数
if discharge_rate <= 0.5:
k_C = 1.00
elif 0.5 < discharge_rate <= 1.0:
k_C = 1.00 + (discharge_rate - 0.5) * 0.04
elif 1.0 < discharge_rate <= 2.0:
k_C = 1.02 + (discharge_rate - 1.0) * 0.07
else:
k_C = 1.09 + (discharge_rate - 2.0) * 0.08
# 3. 计算SOH
soh = (measured_capacity * k_T * k_C / nominal_capacity) * 100
return round(soh, 2)
# 示例
soh = calculate_soh_capacity(
measured_capacity=82.5,
nominal_capacity=100.0,
temperature=5,
discharge_rate=1.5
)
print(f"修正后SOH: {soh}%") # 输出: 修正后SOH: 93.12%我的经验：代码里的修正系数是我根据某款磷酸铁锂电池标定的。不同化学体系的电池，系数差异很大。比如三元锂电池的低温修正系数就比铁锂小一些。建议你拿到电池后，先做一组温度-容量和倍率-容量的标定实验。
4.5 避坑指南
我曾经踩过的三个坑：
- 温度传感器位置不对——测的是环境温度，不是电池本体温度。电芯内部温度和外壳能差3~5℃。我建议把传感器贴在电芯大面上，而不是极柱附近。
- 修正系数线性外推——温度低于0℃时，容量衰减不是线性的。我曾经用线性公式外推到-10℃，结果SOH算出来超过100%，闹了笑话。
- 忽略充电倍率——很多人只修正放电倍率，但充电倍率同样影响容量测量。特别是快充场景，充电容量和放电容量的差异可能达到5%以上。
4.6 什么时候用容量衰减法？
这个方法最适合的场景：
- 实验室或产线测试——条件可控，温度和倍率都能精确控制
- 定期维护检测——比如每3个月做一次完整的容量标定
- 电池梯次利用筛选——需要精确知道每块电池的剩余容量
不太适合的场景：
- 实时在线估算——因为需要完整的充放电过程，耗时太长
- 工况复杂的使用场景——温度和电流频繁变化，修正系数很难实时匹配
好了，容量衰减法就讲到这里。说白了，这个方法的核心就是「测准容量，做好修正」。下一章咱们聊聊另一种常用的SOH估算方法——内阻法。到时候你会发现，两种方法结合起来用，效果会更好。