4、电池基础与关键参数：电池容量（mAh、Wh）、电压平台、放电曲线、内阻、循环寿命

在Edge AI设备的功耗剖析与电池寿命估算中，电池并非一个简单的“能量罐子”，而是一个具有复杂电化学特性的动态系统。无论是设计一款智能手表、工业传感器节点，还是便携式医疗监测仪，工程师都必须深刻理解电池的五大核心参数：容量（mAh/Wh）、电压平台、放电曲线、内阻和循环寿命。这些参数不仅决定了设备的理论续航，更直接影响功耗测试的准确性、电源管理策略的制定以及产品在实际使用中的用户体验。本章将逐一拆解这些关键参数，并给出在工程实践中的判断方法与操作指南。

4.1 核心原理：从电荷到能量的完整认知

电池容量是衡量电池储存电荷能力的物理量，常用毫安时（mAh）和瓦时（Wh）两种单位表示。mAh描述的是电荷量，即电流在时间上的积分；而Wh描述的是能量，即电压与电荷量的乘积。对于Edge AI设备而言，由于系统工作电压通常由DC-DC转换器稳定在固定值（如3.3V或1.8V），mAh更直观地反映了“电流消耗”与“运行时间”的关系。然而，当比较不同电压平台的电池（如3.7V锂聚合物电池与12V铅酸电池）时，Wh才是公平的对比基准。

电压平台是电池在放电过程中电压相对稳定的区间。锂离子电池的标称电压为3.7V，充电截止电压为4.2V，放电截止电压通常为2.8V~3.0V。在放电平台内，电压变化平缓，这为设备提供了稳定的供电环境。但Edge AI设备中的射频发射、AI加速器突发计算等大电流负载，会导致电池电压瞬时跌落，这种现象与电池内阻直接相关。

内阻是电池内部的等效电阻，包括欧姆内阻和极化内阻。欧姆内阻由电极材料、电解液、隔膜和集流体决定，而极化内阻则与电化学反应速率和离子扩散有关。内阻的存在导致电池在负载下产生压降（ΔV = I × R），这不仅降低了实际输出电压，还以热量的形式消耗了部分能量。对于Edge AI设备，内阻的影响在低电量时尤为显著，因为此时电池的荷电状态（SOC）较低，内阻往往增大，进一步加剧电压跌落。

放电曲线是电池在恒定负载或特定工况下，电压随放电深度（DOD）变化的曲线。典型的锂离子电池放电曲线呈现“L形”：初始阶段电压快速下降，随后进入平稳的平台期，最后在接近截止电压时急剧跌落。这条曲线是估算电池剩余电量的基础，也是设计低电量告警和关机策略的依据。循环寿命则描述了电池在反复充放电过程中容量衰减至初始容量80%（或70%，视应用而定）所经历的完整循环次数。对于Edge AI设备，循环寿命决定了产品的更换周期和维护成本。

4.2 判断方法与操作流程：如何准确测量与评估

在工程实践中，准确获取电池参数是功耗剖析的前提。以下是标准化的测量与评估流程：

1. 容量标定：使用电池测试仪（如Arbin、Maccor或Neware）在恒流恒压（CC-CV）模式下，以0.2C倍率放电至截止电压，记录放电总时间与电流的乘积即为实际容量。对于Edge AI设备，建议同时测试0.5C、1C和2C倍率下的容量，以评估高倍率放电对容量的影响。
2. 电压平台识别：在0.2C放电过程中，记录电压随时间的变化。取放电容量20%~80%区间的平均电压作为平台电压。该值用于Wh与mAh之间的换算，以及系统电源设计中的输入电压范围确认。
3. 内阻测量：采用直流内阻（DCIR）法，施加一个持续10秒的脉冲电流（如1C），测量电压变化量，内阻 = ΔV / ΔI。交流内阻（ACIR）则使用1kHz的交流信号测量，数值通常小于DCIR。对于Edge AI设备，DCIR更贴近实际负载工况。
4. 放电曲线记录：在25°C恒温环境下，以0.2C、0.5C、1C分别放电，记录电压-容量数据点，绘制曲线。重点关注平台区间的电压平坦度和尾部电压跌落的斜率。
5. 循环寿命测试：按照标准充放电制度（如1C充电至4.2V，1C放电至3.0V），每100次循环后进行一次容量标定，记录容量保持率。当容量降至初始值的80%时，记录循环次数。

4.3 案例拆解：智能摄像头电池寿命估算中的参数应用

某Edge AI智能摄像头项目，配备3.7V、5000mAh锂离子电池，用于户外安防监控。设备包含图像传感器、AI推理芯片（峰值功耗2W）、4G LTE模块（发射峰值功耗3W）和低功耗MCU。设计要求在典型场景下（每5分钟唤醒一次进行AI分析并上传结果）续航不低于72小时。

初始现象与目标：初步估算时，工程师简单地将电池能量（5000mAh × 3.7V = 18.5Wh）除以平均功耗（假设1W），得出18.5小时，远低于72小时目标。显然，这种估算忽略了实际工况的复杂性。

关键输入数据：通过功耗分析仪（如Joulescope或Monsoon）实测，设备在休眠模式（仅MCU运行）功耗为50µA @ 3.3V；唤醒后AI推理持续2秒，平均电流800mA；4G LTE发射持续1秒，平均电流1.2A。唤醒周期为5分钟，即每小时唤醒12次。

分析判断过程：首先，计算单次唤醒周期的电荷消耗：休眠5分钟消耗50µA × (5×60)秒 = 15mAs；AI推理消耗800mA × 2秒 = 1600mAs；LTE发射消耗1.2A × 1秒 = 1200mAs。单周期总电荷 = 2815mAs = 0.782mAh。每小时12个周期，总消耗9.38mAh。加上系统静态功耗（DC-DC转换效率90%），实际每小时消耗约10.4mAh。理论续航 = 5000mAh / 10.4mAh/h ≈ 480小时。但这是理想值，必须考虑电池内阻和放电截止电压的影响。

实际操作步骤：查阅电池规格书，该电池在1C放电时DCIR为80mΩ。在LTE发射瞬间，电流1.2A，压降 = 1.2A × 0.08Ω = 96mV。在电池电压接近3.2V时，瞬时电压可能跌至3.1V，仍高于系统最低工作电压3.0V，但已接近临界值。进一步查看放电曲线，发现当电池放出80%容量时，电压降至3.3V，此时内阻增大至120mΩ，LTE发射压降达144mV，电压跌至3.16V，存在欠压关机的风险。因此，实际可用容量并非100%，而是约85%（4250mAh）。

结果对比与复盘：修正后的续航估算 = 4250mAh / 10.4mAh/h ≈ 408小时，满足72小时要求。但考虑到电池在低温（-10°C）下容量衰减30%，内阻增大50%，实际续航可能降至约250小时，仍满足要求。复盘发现，初始估算错误在于未考虑唤醒周期内的峰值电流对电池内阻压降的影响，以及未将放电截止电压对应的可用容量纳入计算。通过引入放电曲线和内阻参数，估算精度显著提升。

4.4 常见误区与总结复盘

误区一：将mAh作为唯一容量指标。mAh未考虑电压差异，比较不同电压电池时会产生误导。例如，一个3.7V/2000mAh电池（7.4Wh）与一个7.4V/1000mAh电池（7.4Wh）能量相同，但mAh数值相差一倍。在Edge AI设备中，若系统使用升压电路，高电压电池可能效率更高。

误区二：忽略放电曲线中的“拐点”。许多工程师假设电池电压线性下降，但实际锂离子电池在20% SOC以下电压快速跌落。若设备在低电量时仍执行AI推理等高负载任务，可能导致瞬间欠压。建议在固件中根据放电曲线设置分级功率限制。

误区三：内阻测试条件不统一。不同SOC、温度和测试脉冲宽度下，内阻数值差异巨大。若规格书标注的DCIR是在50% SOC、25°C、1C/10s条件下测得，而实际设备在10% SOC、0°C、2A/1s条件下工作，内阻可能增大3倍以上。必须根据实际工况重新测量。

误区四：循环寿命只看“80%容量”节点。对于Edge AI设备，即使容量保持率在80%以上，内阻增大可能导致峰值功率不足，设备在关键时刻无法完成AI推理或通信。建议同时监测内阻变化率，当内阻增加至初始值的150%时，即使容量仍有85%，也应考虑更换电池。

总结复盘：电池参数不是孤立的规格数字，而是相互关联的工程约束。容量决定了理论续航上限，电压平台和放电曲线决定了可用容量比例，内阻决定了瞬时功率能力和电压跌落幅度，循环寿命则决定了长期可靠性。在Edge AI设备的功耗剖析中，必须将电池参数与实测功耗数据结合，建立动态的续航估算模型。建议在项目初期就建立电池参数数据库，并随测试进度持续更新，为电源管理算法（如动态电压调节、负载均衡）提供准确输入。