2. 动力电池基础
动力电池状态估计误差补偿，本质上是在“电池真实行为”与“可观测信号”之间建立一座可计算的桥梁。要理解误差从何而来、补偿为何有效，必须先回到电池本体：它由什么材料构成、以何种电化学过程工作、哪些参数决定外特性、用什么模型描述动态响应，以及“状态”究竟如何定义。本节为后续误差建模与补偿算法奠定物理与数学基础。
一、主流动力电池类型与工作原理
当前车用动力电池以锂离子体系为主，按正极材料可分为磷酸铁锂（LFP）、三元（NCM/NCA）、锰酸锂（LMO）等；负极多为石墨，部分采用硅碳复合。其工作原理可概括为“摇椅式”嵌锂机制：充电时锂离子从正极脱出，经电解液穿过隔膜嵌入负极，电子经外电路同步迁移；放电时过程反转。正负极的锂浓度差形成电势差，隔膜只允许离子通过、阻断电子，从而把化学能转化为电能。
不同体系的外特性差异显著：LFP 平台电压平坦、循环寿命长、热稳定性好，但电压对 SOC 不敏感，使 SOC 估计更依赖模型与积分；三元材料比能量高、平台斜率明显，但热失控风险与老化非线性更强。理解这些差异，是判断“误差补偿该补偿什么”的前提。
二、关键参数与等效电路模型
描述电池外特性常用以下关键参数：开路电压 OCV（与 SOC 强相关）、欧姆内阻 R0、极化内阻 Rp 与极化电容 Cp、容量 Q、库仑效率 η、温度 T 及老化状态 SOH。其中 OCV-SOC 曲线是状态估计的“基准地图”，R0 与 RC 网络决定动态压降与弛豫行为。
工程上最常用的是 Thevenin 等效电路模型：一个理想电压源 OCV(SOC) 串联欧姆内阻 R0，再并联一组或多组 RC 网络。一阶 RC 模型足以描述多数工况下的极化响应，二阶模型可更好拟合扩散过程。其端电压方程可写为：
U(t) = OCV(SOC) - I(t)·R0 - Up(t)
dUp/dt = -Up/(Rp·Cp) + I/Cp
SOC(t) = SOC(0) - (1/Q)∫η·I dt模型精度直接决定误差补偿的上限。若 OCV 曲线标定偏差 10 mV，在平坦区可能对应 5% 以上的 SOC 误差；若 R0 随温度、老化漂移而未更新，动态工况下压降预测将系统性偏离。
三、状态定义与工程含义
动力电池的“状态”并非单一量，而是一组相互耦合的估计对象。SOC 表示剩余可用电荷比例，是能量管理与里程预测的核心；SOH 反映容量衰减与内阻增长，决定寿命与安全边界；SOP 描述当前可承受的充放电功率，直接影响加速与回收策略；SOE 则从能量维度刻画剩余可用能量。四者共享同一套模型与参数，但时间尺度与敏感因素不同。
| 状态量 | 物理含义 | 主要影响因素 | 典型估计难点 |
|---|---|---|---|
| SOC | 剩余电荷比例 | OCV曲线、容量、温度 | 平台区电压不敏感、初值误差累积 |
| SOH | 容量/内阻老化程度 | 循环次数、温度、倍率 | 老化缓慢、可观测性弱 |
| SOP | 当前可用充放电功率 | SOC、温度、内阻 | 边界随工况快速变化 |
| SOE | 剩余可用能量 | SOC、电压、效率 | 能量效率非线性 |
四、案例场景：模型失配如何放大误差
某 LFP 电池包在 25℃ 下完成 OCV 标定，随后在 -10℃ 低温环境运行。由于低温下 R0 增大约 2～3 倍、Rp 与 Cp 时间常数显著变化，若模型仍使用常温参数，端电压预测将出现明显偏差。此时若仅依赖电压反馈修正 SOC，算法会把“内阻压降误差”误判为“SOC 偏差”，导致 SOC 被错误拉偏，形成“补偿过度”或“补偿振荡”。
常见误区：把 SOC 误差全部归因于安时积分漂移，而忽略 OCV 曲线温度修正、内阻老化与极化参数失配。实际上，模型参数误差与状态初值误差在观测方程中高度耦合，必须通过多时间尺度辨识或自适应补偿加以分离。
工程建议：建立“参数—状态”联合估计框架：慢时间尺度更新容量与内阻，快时间尺度更新 SOC 与极化电压；同时用温度、倍率、老化因子对 OCV 与 RC 参数做在线修正，从源头降低误差补偿的压力。
综上，电池类型决定材料特性，工作原理决定可观测信号，关键参数与等效电路模型决定数学描述能力，状态定义则明确估计目标。只有把这四层关系理清，后续的误差补偿才有明确的物理指向与可验证的数学边界。