4. BMS系统架构与数据采集
SOH估算并不是一个纯算法问题。无论采用容量衰减法、内阻增量法，还是基于机器学习的寿命预测模型，其输入都来自BMS的硬件拓扑与数据采集链路。如果采样精度不足、频率过低、时间戳错位或存储丢帧，再先进的模型也只能在“脏数据”上做无意义的拟合。因此，理解BMS架构与数据采集方案，是SOH估算工程化的第一道门槛。
一、核心原理：SOH估算依赖的数据链路
SOH估算的核心输入通常包括：单体电压、总电压、充放电电流、温度、累计安时数、循环次数、内阻特征等。这些量从传感器到最终参与计算，要经过一条完整链路：
- 感知层：电压采集AFE、霍尔/分流器电流传感器、NTC温度传感器。
- 采集层：AFE芯片完成多路电压轮询，MCU进行ADC采样与滤波。
- 计算层：BMS主控运行SOC/SOH算法，进行安时积分与参数辨识。
- 存储层：本地Flash/EEPROM记录循环数据、故障与特征快照。
- 传输层：CAN/RS485/以太网/无线将数据上传云端或整车控制器。
这条链路上任何一环的精度、频率或完整性下降，都会直接传导为SOH误差。例如电流采样偏置1%，在1000次循环后累计安时误差可达10%以上，容量法SOH将严重失真。
二、传感器精度要求：SOH误差的源头
不同SOH方法对传感器精度的敏感度不同。容量法最依赖电流精度，内阻法最依赖电压精度，而温度则同时影响两者。工程上常用以下经验要求：
| 测量量 | 典型精度要求 | 对SOH的主要影响 | 常见失效表现 |
|---|---|---|---|
| 单体电压 | ±1mV～±5mV | 影响内阻计算与一致性评估 | SOH偏高或偏低，单体差异误报 |
| 总电压 | ±0.1% FS | 影响能量积分与容量标定 | 容量衰减曲线偏移 |
| 电流 | ±0.5% FS，零漂<10mA | 直接决定安时积分精度 | 1000循环后SOH误差>10% |
| 温度 | ±1℃ | 影响容量修正与内阻温度补偿 | 低温SOH虚高，高温SOH虚低 |
三、数据采集频率与存储传输方案
采集频率决定了SOH模型能看到多少动态信息。对于容量法，1s级采样已足够；但对于内阻辨识、脉冲特征提取和机器学习寿命预测，往往需要10ms～100ms级的高频数据。工程上通常采用“高频采集、低频存储、事件触发上传”的分层策略：
采集层： 电压/电流/温度 @ 10ms～100ms
计算层： SOC/SOH @ 100ms～1s
存储层： 循环特征快照 @ 每次充放电事件
故障录波 @ 触发条件（过压/过流/温差）
传输层： 实时数据 @ 1s～10s
统计特征 @ 60s～300s
云端SOH模型 @ 每日/每周批量存储方案上，本地Flash适合保存循环计数、容量标定点和故障记录；云端则适合保存长周期特征序列，用于训练寿命预测模型。传输方案需权衡带宽、延迟与成本：CAN适合车内实时控制，4G/5G适合远程运维，但无线传输的丢包与延迟会直接影响云端SOH的时效性。
四、案例与场景：一次SOH偏差的复盘
某储能电站反馈：BMS显示SOH为92%，但实际容量测试仅为85%。排查发现：
- 电流传感器零漂约30mA，长期静置时被积分，导致累计安时虚高。
- 温度采集仅布置在模组表面，未覆盖极柱，高温工况下容量修正不足。
- 云端上传周期为5分钟，丢失了充放电末端的电压平台特征。
整改后，采用±0.3%精度电流传感器并增加零漂自校准，温度传感器贴近极柱布置，上传周期缩短至10秒，SOH偏差从7%降至2%以内。这说明：SOH估算的精度上限，往往由数据采集链路决定，而不是算法本身。
五、常见误区与检查清单
- 误区一：只关注算法，忽略传感器标定与零漂校准。
- 误区二：采集频率越高越好，导致存储和传输压力过大，反而丢帧。
- 误区三：温度传感器数量不足，用单点温度代表整个模组。
- 误区四：云端SOH模型直接使用未对齐时间戳的数据，造成特征错位。
检查清单：电流零漂是否定期校准？电压采样是否与AFE基准同步？温度布点是否覆盖热点？高频数据是否保留足够窗口？存储是否具备掉电保护？传输是否带时间戳与序号？只有这些基础条件满足，SOH估算才能从“能算”走向“算得准”。