3、SOH关键参数:容量衰减、内阻增加、开路电压变化、充放电曲线偏移

聊到SOH估算,很多人第一反应就是“算容量”。没错,容量确实是核心。但如果你只盯着容量,那在实际项目中大概率会翻车。我做了这么多年BMS,踩过的坑告诉我:SOH是一个多参数融合的结果,单靠一个维度,根本扛不住真实工况的毒打。

这一章,我们就来拆解SOH的四个关键参数。说白了,它们是电池老化的四个“指纹”。你掌握了它们,才算真正入了SOH的门。

3.1 容量衰减:最直观的“健康指标”

容量衰减,是大家最熟悉的SOH表征方式。公式很简单:

SOH_Q = Q_current / Q_rated × 100%

其中Q_current是当前实际可用容量,Q_rated是出厂标称容量。比如一块100Ah的电池,现在只能放出80Ah,那SOH就是80%。

但这里有个大坑——你测到的“容量”真的准吗?

⚠️ 我曾经在项目中遇到过:同一块电池,用0.33C放电测出来85% SOH,用1C放电测出来只有78%。客户拿着两份报告来质问,场面一度非常尴尬。后来我规定:所有容量标定必须统一放电倍率,且温度要控制在25±2℃。

我个人习惯的做法是:

  • 标准工况下做完整充放电:0.33C恒流放电到截止电压,静置1小时后0.33C恒流充电到满,再静置。这样测出来的容量最可靠。
  • 在线估算用安时积分+修正:实际跑车时不可能每次都做完整充放电,所以我会用安时积分法,配合开路电压(OCV)做起点和终点的修正。

容量衰减的机理,主要是活性锂的损失和正负极活性材料的脱落。你想想看,电池每次充放电,锂离子都在正负极之间来回穿梭。时间长了,总有一些锂离子“迷路”了,或者被SEI膜(固体电解质界面膜)消耗掉了。这就是容量衰减的根本原因。

3.2 内阻增加:电池的“血管硬化”

内阻增加,是电池老化的另一个重要标志。它不像容量那么直观,但影响却非常致命——直接决定了电池的功率输出能力和发热量。

内阻通常分为欧姆内阻和极化内阻。欧姆内阻反映的是电解液、隔膜、集流体等物理结构的电阻;极化内阻则与电化学反应动力学相关。

怎么测?最常用的方法是HPPC(混合脉冲功率特性)测试。简单说就是:给电池一个短时大电流脉冲,记录电压响应,然后用欧姆定律算内阻。

R = (V1 - V0) / I

其中V0是脉冲前的开路电压,V1是脉冲瞬间的电压跌落点,I是脉冲电流。

💡 我的经验:内阻对温度极其敏感。0℃时内阻可能是25℃时的2-3倍。所以做内阻对比时,一定要做温度补偿。我一般会建立一个R(T, SOC)的二维查找表,把不同温度和SOC下的内阻基准值存进去。

内阻增加的后果是什么?

  • 功率能力下降:同样的电流,内阻大了,压降就大,能输出的功率自然就小了。
  • 发热加剧:焦耳热Q=I²R,内阻翻倍,发热量翻倍。这会导致电池温度升高,进一步加速老化——恶性循环。

我记得有一次做电动大巴的项目,客户反馈车辆爬坡无力。查了半天,发现是电池内阻已经增加了40%以上,大电流下电压直接跌到欠压保护。后来我们加了一个基于内阻的功率限制策略,才解决了这个问题。

3.3 开路电压变化:电池的“心电图”

开路电压(OCV)与SOC的关系曲线,是BMS最基础也是最重要的特性曲线。但你可能不知道,电池老化后,OCV曲线也会发生微妙的变化。

变化主要体现在两个地方:

  1. 整体电压平台下移:随着老化,正负极的电位都会发生偏移,导致整个OCV曲线向下移动。比如新电池在50% SOC时是3.7V,老化了可能变成3.65V。
  2. 曲线斜率变化:特别是在低SOC区域,老化后的OCV曲线会变得更平坦。这意味着同样的电压变化,对应的SOC变化更大——说白了,就是电压法估算SOC的精度会下降。

为什么会这样?因为老化导致正负极材料的晶体结构发生了变化,锂离子的嵌入/脱出电位发生了偏移。嗯,这里要注意:不同化学体系的电池,OCV曲线随老化的变化规律是不一样的。磷酸铁锂的OCV曲线本来就平,老化后更难分辨;三元锂的曲线相对陡峭,老化影响会小一些。

🔑 关键点:如果你用固定的OCV-SOC表去做全生命周期的SOC估算,误差会越来越大。我建议的做法是:定期(比如每100次循环)更新OCV-SOC表,或者建立一个老化因子对OCV进行修正。

3.4 充放电曲线偏移:老化的“全息影像”

充放电曲线偏移,是前面三个参数的综合体现。你想想看,容量衰减了、内阻增加了、OCV变化了,那充放电曲线肯定也会跟着变。

具体表现:

  • 充电曲线右移:同样的充电电流,老电池的电压上升更快,因为内阻大了,极化电压更高。
  • 放电曲线左移:同样的放电电流,老电池的电压下降更快,而且能放出的容量更少。
  • 平台区缩短:容量衰减后,电压平台区(比如3.6V-3.4V这段)的持续时间明显变短。

在实际项目中,我经常用充放电曲线的“形状”来做SOH的辅助判断。比如,通过分析dQ/dV(容量微分)曲线,可以看到正负极的相变峰在老化后会发生偏移和衰减。这比单纯看容量要精细得多。

// 一个简单的dQ/dV计算示例
// 假设有电压V和容量Q的数组
for (int i = 1; i < n-1; i++) {
    dQdV[i] = (Q[i+1] - Q[i-1]) / (V[i+1] - V[i-1]);
    // 注意:这里用了中心差分,比简单差分更平滑
}
⚠️ 避坑指南:我曾经在分析dQ/dV曲线时,发现有一个峰消失了。一开始以为是电池坏了,后来发现是采样频率太低,导致峰值被平滑掉了。所以做曲线分析时,采样率一定要够高,建议至少1Hz。

3.5 四个参数如何协同使用?

说了这么多,你可能会问:这四个参数到底怎么用?我的建议是:分层融合,互相校验

参数 优点 缺点 适用场景
容量衰减 直观、物理意义明确 需要完整充放电,在线难测 离线标定、定期校准
内阻增加 可在线测量,响应快 受温度影响大,精度有限 实时功率限制、健康预警
OCV变化 可辅助SOC修正 变化量小,需要高精度测量 长期趋势分析、老化诊断
充放电曲线偏移 信息丰富,可做深度分析 计算复杂,需要大量数据 实验室分析、模型标定

我个人习惯的做法是:

  1. 日常运行:以内阻和容量在线估算为主,实时监控SOH变化趋势。
  2. 定期维护:做一次完整的容量标定,校准在线估算的偏差。
  3. 深度分析:当SOH下降到某个阈值(比如80%)时,做一次dQ/dV分析,判断老化机理。

这样一套组合拳下来,SOH估算的准确性和鲁棒性都能得到保障。你想想看,如果只靠一个参数,万一传感器坏了或者工况异常,整个SOH就崩了。多参数融合,说白了就是给系统上了多重保险。

下一章,我们会深入讲SOH估算的具体算法实现。到时候我会分享一些我在项目中实际用过的代码和调试经验,敬请期待。