2、电池工作原理与模型基础：锂离子电池内部反应机理、等效电路模型（Thevenin/PNGV/DP）推导

大家好，我是你们的老朋友。今天咱们聊聊电池建模这件事。

说实话，做SOC估算这么多年，我最大的体会就是：模型不准，算法白费。你想想看，一个错误的输入，再牛的卡尔曼滤波也救不回来。所以这一章，咱们把电池的“脾气”摸透。

2.1 锂离子电池内部反应机理

锂离子电池，说白了就是一个“摇椅”。锂离子在正负极之间来回跑。充电时，锂离子从正极脱出，穿过电解液，嵌入负极。放电时，反过来。

嗯，这里要注意一个关键点：锂离子迁移的速度，决定了电池的功率特性。我在项目中遇到过，有些电池低温下放电能力骤降，其实就是锂离子在负极表面“堵车”了。

内部反应可以简化为三步：

• 固相扩散：锂离子在活性材料颗粒内部移动。这一步最慢，是“木桶短板”。
• 电荷转移：锂离子在电极/电解液界面穿过SEI膜。这一步受温度影响极大。
• 液相扩散：锂离子在电解液中移动。浓度梯度会产生极化电压。

2.2 等效电路模型（ECM）推导

电化学模型太复杂，不适合嵌入式跑。所以工业界普遍用等效电路模型。我个人习惯用二阶RC模型，精度和算力平衡得最好。

2.2.1 Thevenin模型（一阶RC）

这是最基础的模型。一个电压源（OCV），一个内阻（R0），一个RC并联环节。

数学表达式很简单：

U_L = OCV - I * R0 - U1
dU1/dt = I/C1 - U1/(R1*C1)

其中U1就是极化电压。我刚开始做BMS时，就用这个模型。说实话，在动态工况下误差偏大，尤其是电流突变时。

2.2.2 PNGV模型

PNGV模型比Thevenin多了一个电容，用来模拟开路电压随SOC的变化。说白了，就是考虑了“电池电量变化引起的电压变化”。

它的状态方程长这样：

U_L = OCV(SOC) - I*R0 - U1 - Ucb
dUcb/dt = I/Cb

这个Cb电容很大，代表电池的“容量”。我曾经在某个项目中用过PNGV模型，发现它在长时间积分时误差累积很快。为什么？因为Cb的参数很难在线辨识准确。

2.2.3 DP模型（二阶RC）

DP模型是我最推荐的。它用两个RC环节，分别模拟“电化学极化”和“浓差极化”。

你想想看，电池的极化其实有两个时间常数：

• 电化学极化：时间常数小（几秒到几十秒），对应电荷转移过程。
• 浓差极化：时间常数大（几十秒到几分钟），对应锂离子在固相中的扩散。

DP模型的数学形式：

U_L = OCV - I*R0 - U1 - U2
dU1/dt = I/C1 - U1/(R1*C1)
dU2/dt = I/C2 - U2/(R2*C2)

这里R1、C1对应快动态，R2、C2对应慢动态。我个人习惯把R1/C1的时间常数设为5-10秒，R2/C2设为50-200秒。

模型类型	复杂度	精度	适用场景
Thevenin（一阶RC）	低	一般	稳态工况、储能
PNGV	中	中等	长时间积分场景
DP（二阶RC）	中高	高	车用动态工况

2.3 模型参数辨识思路

模型建好了，参数怎么来？我建议用混合脉冲功率特性（HPPC）测试数据。

具体做法：

1. 在不同SOC点，施加一个放电脉冲（比如1C，10秒）。
2. 记录电压响应曲线。
3. 用最小二乘法拟合R0、R1、C1、R2、C2。

嗯，这里有个坑：脉冲宽度要覆盖两个时间常数。我见过有人用2秒脉冲去拟合二阶模型，结果R2/C2根本辨识不出来。建议脉冲宽度至少60秒。

下一章，咱们聊聊SOC估算的核心算法——卡尔曼滤波。到时候我会手撕代码，把状态方程和观测方程一步步写出来。敬请期待。