2. 动力电池基础
在动力电池EKF/UKF融合估计工程中，算法能否收敛、精度能否达标，首先取决于对电池本体行为与状态定义的准确理解。电池不是理想电压源，而是一个随温度、电流、老化程度和荷电状态动态变化的非线性电化学系统。若把电池简化为“电压表+内阻”，滤波器很快会因模型失配而发散。因此，本节从工作原理出发，梳理外特性参数、SOC/SOH/SOP定义，并指出估计难点，为后续建模与滤波设计奠定基础。
一、核心原理：锂离子电池如何工作
锂离子电池的充放电本质是锂离子在正负极之间的嵌入与脱出。充电时，正极材料（如三元锂NCM、磷酸铁锂LFP）中的锂离子脱出，经电解液穿过隔膜迁移到负极（石墨），同时电子经外电路从正极流向负极；放电时过程相反。这一“摇椅式”机制决定了电池的端电压由正负极电势差、极化过电位和欧姆压降共同构成。
从外特性看，电池端电压可近似表示为：
U(t) = OCV(SOC, T, SOH) - I(t)·R0 - U_p(t)
其中：
OCV : 开路电压，随SOC、温度、老化变化
R0 : 欧姆内阻，随SOC、温度、SOH变化
U_p : RC极化电压，反映浓差与电化学极化
I(t) : 负载电流，充电为正或放电为正需统一定义该式是EKF/UKF状态方程与观测方程的核心来源。OCV-SOC曲线是SOC估计的“锚点”，但其平坦区（如LFP在30%~70% SOC）斜率极小，微小电压误差即可导致巨大SOC偏差，这是估计难点之一。
二、关键外特性参数
工程中常关注以下外特性参数，它们直接决定模型阶数与参数辨识策略：
- 开路电压OCV：静置足够长时间后的端电压，与SOC存在单调但非线性关系，受温度和老化影响。
- 欧姆内阻R0：反映电子与离子传导阻力，低温或老化时显著增大，是SOP与SOH的重要指标。
- 极化内阻Rp与极化电容Cp：描述动态电压松弛，常用一阶或二阶RC网络等效。
- 容量Q：可用安时积分法标定，随循环衰减，是SOH的核心参数。
- 库仑效率η：充放电电量比，LFP通常接近0.99以上，低温下下降。
- 温度T：影响OCV、内阻、扩散系数，是模型参数的重要维度。
提示：在EKF/UKF中，OCV-SOC曲线通常以查表或多项式拟合形式嵌入观测方程；R0、Rp、Cp则作为状态或慢变参数在线辨识。
三、SOC、SOH、SOP定义与关系
三者是BMS最核心的状态量，定义如下：
| 状态量 | 定义 | 典型估计方法 | 主要难点 |
|---|---|---|---|
| SOC | 剩余可用电量与额定容量之比 | 安时积分+OCV修正、EKF/UKF | OCV平坦区、初值误差、累积漂移 |
| SOH | 当前最大可用容量或内阻相对新电池的比值 | 容量标定、内阻辨识、双滤波器 | 慢时变、工况激励不足、温度耦合 |
| SOP | 在安全约束下可短时输出/吸收的功率 | 基于R0、极化与电压限值计算 | 依赖SOC/SOH精度、温度与老化 |
SOC回答“还剩多少电”，SOH回答“电池老了多少”，SOP回答“此刻能出多大力”。三者相互耦合：SOH衰减会改变OCV曲线与内阻，进而影响SOC估计；SOC误差又会导致SOP计算越限或保守。因此，EKF/UKF融合估计常采用多时间尺度结构，快时标估计SOC，慢时标估计SOH与参数。
四、估计难点与工程场景
以一辆纯电动车在冬季低温、频繁加减速工况为例，BMS面临以下挑战：
- OCV平坦区：LFP电池在中间SOC段电压变化仅几十毫伏，量测噪声与模型误差会淹没SOC信息。
- 温度与老化耦合：低温下内阻增大、扩散变慢，RC参数漂移，若模型不更新，UKF也会出现偏差。
- 初值不确定：车辆长时间静置后SOC初值未知，EKF收敛速度依赖初始协方差设置。
- 工况激励不足：长时间恒流或小电流工况下，参数不可辨识，SOH估计需等待充分激励。
- 传感器噪声与偏置：电流传感器零漂会直接积分成SOC误差，需在滤波中增广偏置状态。
常见误区：把SOC估计误差全部归因于滤波算法。实际上，OCV-SOC表标定不准、电流采样偏置、温度未补偿，往往比滤波器本身影响更大。先做模型与数据质量排查，再调EKF/UKF参数。
下图给出电池外特性、状态定义与估计难点之间的结构关系，帮助建立从电化学机理到滤波观测的映射。