4. SOH算法核心概念
SOH（State of Health，健康状态）是BMS中用于量化电池"老化程度"的核心指标。与SOC描述"还剩多少电"不同，SOH回答的是"这块电池还剩下多少能力"。在算法验证工程中，SOH的难点不在于公式本身，而在于健康特征能否被稳定提取，以及评估指标能否被工程化验证。本节从容量衰减、内阻增长、循环寿命三条主线出发，梳理健康特征提取方法与SOH定义体系。
一、容量衰减：SOH最直观的物理基础
锂离子电池在循环过程中，活性锂损失（LLI）、活性材料损失（LAM）和阻抗升高会共同导致可用容量下降。工程上通常用容量保持率定义SOH：
SOH_C = Q_now / Q_rated × 100%
Q_now : 当前条件下可放出的实际容量（Ah）
Q_rated : 额定/初始容量（Ah）
典型EOL阈值：SOH_C = 80%容量衰减并非线性。前期SEI膜生长导致衰减较快，中期趋于平缓，后期因锂枝晶与结构崩塌再次加速，呈现"快—慢—快"的浴盆曲线特征。验证时必须在不同老化阶段分别采样，否则容易得出错误的线性外推结论。
二、内阻增长：被低估的健康维度
内阻增长往往先于容量明显衰减出现，是更灵敏的老化信号。直流内阻DCR可由脉冲工况直接测得：
DCR = ΔU / ΔI = (U1 - U2) / (I2 - I1)
测试条件示例：
- 脉冲电流：1C，持续10s
- 静置：30min（恢复至稳态）
- 温度：25±2℃
- SOC点：50%（避开平台两端）内阻升高会直接压缩可用功率，因此功率型SOH常用内阻定义：SOH_R = (R_EOL − R_now) / (R_EOL − R_rated)。容量型与功率型SOH在储能与动力场景中的权重完全不同，验证方案必须明确应用边界。
三、循环寿命与健康特征提取
循环寿命指容量衰减至EOL前可完成的充放电循环次数，通常以"80%容量保持率"为终止判据。寿命测试成本极高，因此工程上更依赖健康特征提取——从可测信号中挖掘与老化强相关的间接量。
- IC/DV曲线特征：增量容量曲线的峰高、峰位偏移对LLI/LAM敏感；
- 恒流充电时间：同一区间充电时长随老化缩短，易在线获取；
- 弛豫电压特征：静置后电压回升斜率反映极化与扩散能力；
- 温升特征：同工况下温升加快，间接反映内阻增长；
- 库仑效率：单圈效率下降预示副反应加剧。
四、SOH定义体系与评估指标
SOH没有唯一标准定义，工程中通常按"容量、功率、内阻"三口径分别定义，再按应用场景加权融合。验证时需同时关注精度指标与鲁棒性指标。
| 维度 | 定义式 | 典型阈值 | 验证关注点 |
|---|---|---|---|
| 容量SOH | Q_now / Q_rated | 80% EOL | 容量标定误差、温度修正 |
| 内阻SOH | (R_EOL − R_now)/(R_EOL − R_rated) | 2倍初始内阻 | 脉冲一致性、SOC点选择 |
| 功率SOH | P_now / P_rated | 依工况而定 | 峰值功率持续时间 |
| 循环寿命 | 至EOL的循环次数 | ≥1000次 | 加速老化外推合理性 |
评估指标方面，MAE与RMSE衡量估计精度，最大误差衡量极端工况下的安全性，收敛时间衡量算法在线可用性。对SOH而言，误差随老化加深而放大的趋势比单点误差更值得警惕。
五、典型误区与复盘
复盘建议：验证集必须覆盖温度、倍率、SOC区间三个维度的组合；对每个健康特征单独做相关性分析，剔除冗余特征；SOH输出应附带置信度或健康特征有效性标志，供上层策略降级使用。
综上，SOH算法验证的核心逻辑是：以容量衰减和内阻增长为物理锚点，以循环寿命为长期约束，通过健康特征提取把不可直接测量的老化状态映射到可测信号上，再用精度、鲁棒性、在线性和安全边界四类指标完成闭环验证。只有把"特征—模型—指标"三者对齐，SOH输出才具备工程可信度。