2、SOH核心参数（一）：容量衰减（Capacity Fade）——定义、测量方法、影响因素

2.1 容量衰减到底是什么？

容量衰减，说白了就是电池「不耐用了」。

你想想看，新买的手机能撑一天，用了一年半载，半天就得充。这就是容量衰减在作怪。在BMS领域，我们管它叫 Capacity Fade。

它的定义其实很简单：
电池当前能放出的最大容量，除以出厂时的标称容量。

用公式表达就是：

SOH_Q = Q_current / Q_nominal × 100%

举个例子：
一块电池出厂标称 100Ah，用了两年后只能放出 80Ah。
那它的 SOH 就是 80%。

我个人习惯把 80% 当作一个「警戒线」。低于这个值，电池就该退役了。为什么是 80%？不是 70% 或 90%？嗯，这里有个行业共识——当容量衰减到 80% 以下，电池的内阻会明显增大，热失控风险也会上升。我在项目中遇到过好几起因为强行使用低 SOH 电池导致的发热事故，从那以后我对这个阈值特别敏感。

2.2 容量衰减的测量方法

测量容量衰减，最直接的方法就是做一次完整的充放电测试。但这里有个坑——你不能随便充放，得按标准来。

2.2.1 标准容量测试法

这是最权威的方法，也是我推荐大家优先使用的。步骤如下：

  1. 将电池充满至截止电压（比如 4.2V）
  2. 静置 1 小时（让电池内部电化学反应稳定）
  3. 以 0.33C 或 0.5C 的电流恒流放电至截止电压
  4. 记录放出的总容量

这里有个细节：放电倍率会影响结果。你用 0.5C 放出来的容量，肯定比用 1C 放出来的多。所以行业里统一用 0.33C 或 0.5C 作为标准。

我的小技巧： 如果你在现场没有条件做完整测试，可以用「部分放电法」。比如放 10% 的容量，然后根据电压变化推算总容量。精度差一些，但胜在快。

2.2.2 增量容量分析（ICA）法

这个方法比较高级，适合做深度分析。它通过分析充放电曲线上的「平台区」来判断容量衰减的程度。

具体做法是：
记录电池在低倍率（比如 0.05C）下的充放电数据，然后计算 dQ/dV 曲线。曲线上的每个峰对应一个电化学反应阶段。峰面积变小了，就说明容量衰减了。

# 一个简单的 ICA 计算示例
import numpy as np

def calculate_ica(voltage, capacity):
    """
    计算增量容量曲线
    voltage: 电压数组 (V)
    capacity: 容量数组 (Ah)
    """
    dq = np.diff(capacity)
    dv = np.diff(voltage)
    ica = dq / dv
    return ica

我在做梯次利用项目时，经常用 ICA 来快速判断退役电池的剩余寿命。有一次，一块电池标称还有 70% 容量，但 ICA 曲线显示它的正极材料已经严重退化。后来拆解验证，果然如此。从那以后，我对 ICA 的信任度大大提升。

2.3 影响容量衰减的因素

容量衰减不是无缘无故发生的。我总结了几个「罪魁祸首」：

2.3.1 温度

温度是影响容量衰减的第一大因素。

  • 高温（>45°C）：加速 SEI 膜增厚，消耗活性锂。我记得有一次在夏季高温测试中，电池在 55°C 下循环 100 次，容量就掉了 15%。
  • 低温（<0°C）：锂离子扩散变慢，容易析锂。析出的锂会变成「死锂」，再也回不去了。
避坑指南： 我曾经在 -10°C 环境下给电池充电，结果第二天发现容量直接掉了 8%。后来才知道，低温充电时锂枝晶刺穿了隔膜，造成了微短路。所以，低温下一定要限制充电电流。

2.3.2 充放电倍率

大电流充放，爽是爽，但伤电池。

高倍率充电会导致：

  • 电极极化增大，电压提前到达截止值，实际充入的容量减少
  • 活性材料颗粒开裂，表面积增大，副反应加剧

我建议日常使用中，充电倍率控制在 0.5C 以内，放电倍率不超过 1C。这样电池的循环寿命能延长 30% 以上。

2.3.3 充放电深度（DOD）

你每次把电池从 100% 用到 0%，这叫 100% DOD。如果只从 80% 用到 30%，那就是 50% DOD。

实验数据表明：

充放电深度 (DOD) 循环寿命 (次)
100% 500
80% 800
50% 1500
20% 3000+

看到了吧？浅充浅放才是王道。我自己的电动车，SOC 从来不低于 20%，也不高于 90%。用了三年，容量衰减不到 10%。

2.3.4 存储状态

电池不用的时候，也会老化。这叫「日历老化」。

存储条件的影响：

  • 最佳存储 SOC：40%-60%。满电存储会加速正极材料分解。
  • 最佳存储温度：15°C-25°C。每升高 10°C，老化速度翻倍。
核心要点： 容量衰减是不可避免的，但我们可以通过控制温度、倍率、DOD 和存储条件来延缓它。BMS 的核心任务之一，就是实时监测这些参数，并在必要时发出预警。

2.4 容量衰减的数学模型

为了预测容量衰减，我们常用一个经验模型：

SOH(t) = 100% - k × sqrt(t)

其中：

  • t 是循环次数或时间
  • k 是衰减系数，与温度、倍率等因素相关

这个模型虽然简单，但在工程中非常实用。我一般会用前 100 次循环的数据来拟合 k 值，然后预测后续的衰减趋势。误差通常在 5% 以内。

好了，关于容量衰减的核心内容就这些。下一章我们会聊另一个关键参数——内阻增长。这两个参数结合起来，基本就能判断一块电池的健康状况了。

← 上一章 📖 返回目录 下一章 →