2. 电池基础与老化机理

要理解 SOH 估算与寿命预测,必须先回到锂离子电池内部,看清“电是怎么存的、容量为什么会掉、内阻为什么会涨”。BMS 看到的是电压、电流、温度、SOC 等外部信号,而 SOH 的真正变化发生在电极材料、电解液与界面膜之中。本节从工作原理出发,串联关键性能参数与三类核心老化模式:SEI 膜增长、活性物质损失、锂离子库存衰减。

一、锂离子电池工作原理:摇椅式脱嵌

锂离子电池的正极通常为三元材料(NCM/NCA)或磷酸铁锂(LFP),负极为石墨。充电时,正极发生氧化反应释放锂离子,锂离子穿过电解液与隔膜嵌入负极石墨层间;放电时过程相反,锂离子从负极脱出回到正极。电子则通过外电路流动,形成电流。因此它被称为“摇椅式电池”——锂离子在正负极之间来回搬运,本身并不被消耗。

关键点在于:可用的锂离子数量、可容纳锂离子的活性位点、以及锂离子进出的通道,三者共同决定容量。任何一项退化,都会表现为 SOH 下降。BMS 无法直接“看到”这些微观变化,只能通过电压平台、内阻、容量等宏观量反推。

锂离子电池工作原理与三类老化模式 正极 (NCM / LFP) 金属氧化物层状结构 锂离子嵌入位点 充电时脱锂 放电时嵌锂 负极 (石墨) 层状石墨结构 锂离子嵌入层间 充电时嵌锂 放电时脱锂 电解液 + 隔膜 隔膜(离子可通、电子绝缘) 充电:Li⁺ 正极 → 负极 放电:Li⁺ 负极 → 正极 外电路:电子流动 e⁻ ① SEI 膜增长 负极表面副反应 消耗 Li⁺、增大内阻 ② 活性物质损失 颗粒开裂、脱落 可嵌锂位点减少 ③ 锂离子库存衰减 锂被不可逆固定 可循环 Li⁺ 总量下降

二、关键性能参数:BMS 能测到的“体检指标”

老化机理最终要落到可测量的参数上。下表列出与 SOH 强相关的关键参数及其老化表现,是后续估算算法的输入基础。

参数 物理含义 老化趋势 对 SOH 的影响
可用容量 Q 满充到放空释放的安时数 持续下降 直接决定容量型 SOH
直流内阻 Rdc 电流阶跃下的电压变化率 逐渐增大 功率能力下降,产热增加
开路电压 OCV 静置后的平衡电压 平台偏移、斜率变化 反映锂库存与正负极匹配
库仑效率 CE 放电容量 / 充电容量 从近 100% 缓慢降低 副反应强度的敏感指标
自放电率 静置时容量损失速率 升高 微短路、SEI 持续生长的信号
温升 ΔT 充放电过程温度变化 同工况下增大 内阻增大的间接证据

三、三类核心老化模式

1. SEI 膜增长

首次充电时,电解液在负极表面还原分解,形成一层钝化膜,即 SEI(固体电解质界面膜)。正常 SEI 允许锂离子通过、阻止电子通过,是电池稳定循环的必要条件。但 SEI 并非一成不变:高温、高 SOC 搁置、大倍率充电都会让它继续增厚。增厚过程持续消耗活性锂,同时增加界面阻抗。其典型特征是容量缓慢衰减、内阻持续上升、库仑效率略低于 100%。

2. 活性物质损失

正负极颗粒在循环中反复膨胀收缩,可能产生微裂纹甚至粉化脱落,导致部分活性材料失去电子接触,无法再参与嵌锂。表现为容量下降,但内阻上升相对温和。硅基负极的膨胀问题尤为突出,是快充与高能量密度体系的主要寿命瓶颈。

3. 锂离子库存衰减

部分锂离子被 SEI 生长、锂枝晶、死锂等不可逆过程“锁死”,不再参与循环。它直接减少可搬运的锂总量,表现为容量下降且 OCV 曲线整体偏移。在低温快充场景中,锂析出会显著加速这一过程,是安全与寿命的双重威胁。

工程要点:三类老化模式往往同时发生,但主导机制随材料体系、工况、温度而变。LFP 电池以 SEI 增长和锂库存衰减为主,容量衰减呈缓慢线性;三元电池在高温下活性物质损失更明显,容量衰减常呈“先慢后快”的非线性特征。SOH 算法必须能区分主导模式,才能给出可靠的寿命预测。

四、案例:同一电池包的两组数据对比

某 50Ah 三元电池包,在两种工况下循环 800 次后测得:

工况 A(25℃,0.5C 充放):
  剩余容量 = 46.2 Ah   → 容量 SOH = 92.4%
  直流内阻 = 1.35 mΩ   → 内阻上升 18%
  库仑效率 = 99.6%

工况 B(45℃,1C 快充):
  剩余容量 = 41.5 Ah   → 容量 SOH = 83.0%
  直流内阻 = 1.72 mΩ   → 内阻上升 50%
  库仑效率 = 98.9%

工况 B 的容量与内阻同时显著恶化,且库仑效率更低,说明 SEI 增长与锂库存衰减被高温快充强烈加速。若仅用容量 SOH 判断,会低估其功率能力退化;若仅看内阻,又会忽略锂库存损失。工程上建议容量 SOH 与功率 SOH 双指标并行。

常见误区:把“容量下降”简单等同于“活性物质损失”。实际上,容量下降可能来自 SEI 消耗锂、锂库存衰减或活性位点减少,三者对应的修复策略与寿命预测模型完全不同。仅凭容量曲线无法区分,需要结合 OCV 曲线偏移、内阻变化率、库仑效率等多维特征进行解耦。

五、复盘:从机理到 SOH 估算的映射

  • SEI 增长 → 内阻上升 + 库仑效率下降 → 可用内阻模型与效率模型跟踪。
  • 活性物质损失 → 容量下降 + 内阻温和上升 → 可用容量标定与 OCV 平台宽度分析。
  • 锂离子库存衰减 → 容量下降 + OCV 曲线偏移 → 可用 OCV 重构与锂库存估计。
  • 温度与倍率 → 加速所有老化模式 → 寿命预测模型必须引入温度与 C-rate 修正因子。

理解这三类老化模式,是后续建立 SOH 特征提取、模型选择与寿命预测策略的理论起点。BMS 的每一次容量标定、内阻辨识与 OCV 修正,本质上都是在为这些微观退化过程“画像”。