4. 等效电路模型详解
等效电路模型（Equivalent Circuit Model, ECM）是动力电池建模工程中最常用的一类半经验模型。它用理想电压源、电阻和电容网络来近似电池内部的欧姆效应、极化效应与扩散效应，从而在保证计算效率的同时获得可接受的端电压预测精度。本节围绕四种典型模型——Rint、Thevenin、PNGV、二阶RC——从结构、数学表达、参数含义和适用场景四个维度展开，帮助读者建立“结构复杂度—精度—计算量”之间的工程判断能力。
一、核心原理：从电化学到电路抽象
电池端电压可分解为开路电压与各类过电势之和。开路电压（OCV）是SOC的函数，代表热力学平衡电位；欧姆内阻R₀引起瞬时压降；极化过程表现为充放电后电压的缓慢恢复，可用RC并联网络描述；扩散过程时间常数更大，需要额外RC支路刻画。等效电路模型的本质，就是用“电压源+电阻+RC网络”的组合去拟合这些物理过程。
二、四种模型的结构与数学表达
下面按复杂度递增顺序逐一说明。图中以二阶RC为基准，同时标出Rint、Thevenin、PNGV的结构差异，便于横向对比。
Rint模型仅含一个欧姆内阻，数学表达为 U = OCV − I·R₀，计算量最小，但无法描述极化恢复，适合对精度要求不高的粗略估算。Thevenin模型在Rint基础上增加一个RC并联支路，用一阶微分方程描述极化电压U₁，能较好反映充放电后的电压弛豫。PNGV模型在Thevenin基础上串联一个电容C₀，用于描述开路电压随电流累积变化的过程，其状态方程多一维，适合长时间充放电工况。二阶RC模型则用两个RC支路分别对应电化学极化与浓差极化，时间常数τ₁和τ₂相差一个数量级以上，精度最高，也是BMS中应用最广的模型。
三、参数含义与辨识流程
四种模型的参数可归为三类：OCV-SOC关系、欧姆内阻R₀、RC参数（R₁、C₁、R₂、C₂、C₀）。工程辨识通常按以下流程进行：
- 开展HPPC或脉冲充放电测试，采集电流、电压、温度与SOC数据。
- 静置段提取OCV，拟合OCV-SOC曲线，常用多项式或查表法。
- 脉冲瞬间压降除以电流得到R₀，注意区分充电与放电方向。
- 对弛豫段电压进行指数拟合，提取时间常数与RC参数初值。
- 用递推最小二乘、粒子群或遗传算法对全工况进行参数寻优。
- 通过DST、US06等动态工况验证端电压误差，通常要求RMSE小于20 mV。
# 一阶RC离散化状态方程示例（Thevenin）
# 状态: x = [U1, SOC]^T
# 输入: u = I
# 输出: y = U_terminal
A = [[exp(-dt/(R1*C1)), 0],
[0, 1]]
B = [[R1*(1-exp(-dt/(R1*C1)))],
[-dt/(3600*Q_nominal)]]
y = OCV(SOC) - I*R0 - U1
四、工程案例：模型选型对比
某48 V/50 Ah磷酸铁锂电池包在BMS开发中需要在线估计SOC与SOH。若采用Rint模型，端电压在脉冲后无法恢复，SOC估计误差在动态工况下超过8%；采用Thevenin模型后误差降至3%以内，但长时间恒流充电时OCV漂移导致末端误差增大；引入PNGV后末端误差进一步降低；最终选用二阶RC模型，配合扩展卡尔曼滤波，全工况RMSE控制在15 mV，SOC误差小于2%。
| 模型 | 状态维数 | 可描述过程 | 计算量 | 典型精度 | 适用场景 |
|---|---|---|---|---|---|
| Rint | 1 | 欧姆效应 | 极低 | 低 | 粗略估算、快速原型 |
| Thevenin | 2 | 欧姆+电化学极化 | 低 | 中 | 常规BMS、短时工况 |
| PNGV | 3 | 欧姆+极化+OCV累积 | 中 | 中高 | 长时间充放电 |
| 二阶RC | 3~4 | 欧姆+双极化 | 中高 | 高 | 高精度SOC/SOH估计 |
五、常见误区与复盘
- 误区一：认为RC支路越多越好。实际上二阶以上参数耦合严重，若激励不充分，辨识结果不可信。
- 误区二：忽略温度与SOC对R₀的影响。R₀在低温下可增大数倍，必须建立二维查表或温度补偿。
- 误区三：用同一组参数覆盖全SOC区间。OCV-SOC曲线非线性强，分段辨识或在线更新更可靠。
- 误区四：把PNGV的C₀当作物理电容。它更多是等效累积项，量纲与取值需结合工况标定。
复盘时建议绘制“电压误差—SOC—温度”三维热力图，定位模型失配最严重的区域，再决定是增加RC阶数、引入滞回电压，还是改用分数阶模型。等效电路模型是动力电池建模的基石，理解四种模型的结构差异与数学表达，是后续参数辨识与状态估计算法落地的前提。