基于经验模型的动力电池SOH估算
文章目录前言一、经验模型SOH核心原理与工程定义1.1 SOH 标准定义1.2 电池老化两大组成二、全套量产经验模型公式2.1 基础幂律老化模型2.2 多应力修正因子（温度/倍率/DOD）2.3 等效老化循环次数2.4 日历老化模型2.5 最终融合SOH公式三、全部拟合参数3.1 基础老化系数 A物理意义需要实测数据测试方法3.2 老化曲率系数 B物理意义需要实测数据测试方法3.3 活化能 Ea（温度因子核心参数）物理意义需要实测数据测试方法3.4 倍率敏感系数 kc物理意义需要实测数据测试方法3.5 日历老化系数 δ物理意义需要实测数据测试方法四、所有参数完整数学拟合推导4.1 参数 A、B 拟合推导步骤1：模型线性化步骤2：最小二乘求解步骤3：参数还原4.2 活化能 Ea 拟合推导4.3 倍率系数 kc 拟合推导4.4 日历系数 δ 拟合推导4.5 拟合精度判定标准五、参数标定严格顺序六、经验模型SOH 优缺点6.1 优点6.2 缺点前言动力电池SOH估计算法主要分为三类：等效电路模型辨识法、数据驱动AI法、经验退化模型法。在车载BMS、储能BMS量产项目中，经验退化模型是落地最稳、算力最低、鲁棒性最强的主流方案。不需要复杂矩阵迭代、不依赖高精度动态辨识、低温不漂移、永不发散。一、经验模型SOH核心原理与工程定义1.1 SOH 标准定义S O H = C r e a l C r a t e d × 100 % SOH = \frac{C_{real}}{C_{rated}} \times 100\%SOH=CratedCreal×100%(C_{real})：电池当前永久性可用容量（Ah）(C_{rated})：电池出厂额定容量（Ah）经验模型核心思想：不求解微观电化学机理，通过大量老化实验，拟合温度、倍率、DOD、循环次数、静置时间与永久性容量衰减的宏观数学规律，属于白盒工程统计模型。1.2 电池老化两大组成循环老化：充放电使用导致SEI增厚、活性锂损失、电极结构坍塌（不可逆）日历老化：长期静置自发缓慢老化（不可逆）重点：低温容量下降是极化可逆衰减，不属于老化，严禁计入SOH计算。二、全套量产经验模型公式2.1 基础幂律老化模型C l o s s = A ⋅ N e q B C_{loss} = A \cdot N_{eq}^BCloss=A⋅NeqBS O H = 1 − A ⋅ N e q B SOH = 1 - A \cdot N_{eq}^BSOH=1−A⋅NeqB2.2 多应力修正因子（温度/倍率/DOD）温度阿伦尼乌斯老化修正：K T = exp [ E a ( 1 T r e f − 1 T r e a l ) ] K_T = \exp\left[ E_a \left( \frac{1}{T_{ref}} - \frac{1}{T_{real}} \right) \right]KT=exp[Ea(Tref1−Treal1)]充放电倍率老化修正：K C = 1 + k c ⋅ ( C r a t e − 0.5 ) K_C = 1 + k_c \cdot (C_{rate} - 0.5)KC=1+kc⋅(Crate−0.5)放电深度老化修正：K D O D = D O D 0.8 K_{DOD} = DOD^{0.8}KDOD=DOD0.82.3 等效老化循环次数Δ N = ∫ ∣ I ( t ) ∣ d t 2 ⋅ C r a t e d \Delta N = \frac{\int |I(t)|dt}{2\cdot C_{rated}}ΔN=2⋅Crated∫∣I(t)∣dtN e q = ∑ Δ N ⋅ K T ⋅ K C ⋅ K D O D N_{eq} = \sum \Delta N \cdot K_T \cdot K_C \cdot K_{DOD}Neq=∑ΔN⋅KT⋅KC
)
