3. 电池等效电路模型基础

在储能电池SOP（State of Power，功率能力）估算中，等效电路模型（Equivalent Circuit Model, ECM）是把电池端电压、电流、荷电状态（SOC）与功率极限联系起来的核心工具。它的作用不是“精确复现电池内部所有电化学过程”，而是用少量可辨识参数，在毫秒到秒级时间尺度上给出足够准确的端电压响应，从而支撑“当前SOC和温度下，电池还能承受多大充放电功率”的判断。本节围绕三种最常用的模型——Rint、Thevenin（一阶RC）、二阶RC——说明其结构、参数含义，以及在SOP估算中的适用性。

一、为什么SOP估算需要等效电路模型

SOP的物理约束通常来自两条边界：一是电压边界，即端电压不能越过充电截止电压或放电截止电压；二是电流/功率边界，即不能超过设计允许的最大持续或脉冲电流。要判断“给定电流下端电压会落到哪里”，就必须知道电池在负载下的动态电压响应。等效电路模型正是用开路电压（OCV）加内阻和极化网络来近似这一响应。

在SOP计算中，常用做法是：先由SOC查表得到OCV，再根据模型参数和当前电流，计算未来一段时间（如10s、30s）的端电压轨迹，最后反推满足电压约束的最大电流或功率。因此，模型结构越能反映极化动态，SOP在脉冲工况下的精度就越高；但模型越复杂，参数辨识和实时计算负担也越大。

二、Rint模型：最简内阻模型

Rint模型只包含一个理想电压源和一个欧姆内阻R₀。其端电压关系为：

U(t) = OCV(SOC) − I(t)·R₀

其中，I(t)以放电为正、充电为负（本文统一采用该约定）。R₀综合了电解液、电极和接触电阻等瞬时压降。该模型没有极化时间常数，端电压对电流的响应是瞬时的。

Rint模型的优点是参数少、计算极快，适合在BMS中做粗略的功率限值初筛。例如，若某储能电芯在50% SOC、25℃下OCV为3.30V，R₀为1.2mΩ，放电截止电压为2.80V，则按Rint估算的最大放电电流为：

I_max = (OCV − U_min) / R₀ = (3.30 − 2.80) / 0.0012 ≈ 416.7 A

对应功率约为3.30V×416.7A≈1.375kW。但该结果忽略了极化压降，实际电池在持续放电时端电压会更快下降，因此Rint给出的功率上限往往偏乐观。它更适合短时脉冲或作为保守修正的起点，而不适合长时间SOP估算。

三、Thevenin模型：一阶RC极化模型

Thevenin模型在Rint基础上增加了一个RC并联网络，用于描述电化学极化和浓差极化的综合动态。其结构为：OCV源串联R₀，再串联由极化电阻R₁和极化电容C₁并联组成的网络。端电压为：

U(t) = OCV(SOC) − I(t)·R₀ − U₁(t)
dU₁/dt = −U₁/(R₁C₁) + I/C₁

其中U₁是RC网络两端电压，τ₁=R₁C₁为极化时间常数，通常为几十秒到几百秒。R₁反映极化强度，C₁反映极化建立和消退的快慢。相比Rint，Thevenin模型能表现“加载瞬间欧姆压降+随后极化压降逐渐增大”的过程，对10s~60s级SOP估算明显更合理。

例如，某电芯R₀=1.0mΩ、R₁=0.8mΩ、C₁=2000F，则τ₁=1.6s。若以200A放电持续30s，极化电压U₁会从0逐渐上升并趋于I·R₁=0.16V。SOP计算时，需要把这一逐渐上升的U₁纳入端电压预测，否则会高估可放功率。Thevenin模型参数少、辨识方便，是目前BMS中应用最广的SOP模型之一。

四、二阶RC模型：区分快慢极化

二阶RC模型在Thevenin基础上再增加一个RC网络，分别对应快极化（电化学极化，时间常数小）和慢极化（浓差极化，时间常数大）。其端电压为：

U(t) = OCV(SOC) − I(t)·R₀ − U₁(t) − U₂(t)
dU₁/dt = −U₁/(R₁C₁) + I/C₁
dU₂/dt = −U₂/(R₂C₂) + I/C₂

通常τ₁较小（数秒到数十秒），τ₂较大（数百秒到上千秒）。二阶模型能更准确地描述电池在脉冲、变载和长时间放电下的电压松弛行为，因此在高精度SOP、动态功率预测和寿命衰减分析中更有优势。代价是参数增至R₀、R₁、C₁、R₂、C₂五个，辨识需要更丰富的工况数据，实时求解也需多一个状态变量。

五、三种模型在SOP估算中的适用性对比

选择模型时，应结合SOP的时间尺度、精度要求和算力条件。下表给出定性对比：

需要强调的是，模型精度不仅取决于阶数，还取决于参数是否随SOC、温度和电流方向变化。实际SOP估算中，R₀、R₁、C₁等通常以二维查表形式存储为SOC和温度的函数，并在充放电方向分别标定。若忽略温度影响，低温下R₀和R₁显著增大，SOP会被严重高估，带来欠压或过流风险。

六、参数辨识与SOP实现要点

无论采用哪种模型，参数辨识通常分两步：先通过小电流充放电或长时间静置获得OCV-SOC曲线；再通过脉冲放电、HPPC或动态工况数据，用最小二乘、递推最小二乘或遗传算法拟合R₀、R₁、C₁等参数。辨识时应注意：R₀应在电流阶跃瞬间提取，RC参数则根据电压弛豫曲线拟合。

在SOP在线计算中，常用“预测-校验”方式：给定候选电流I，用模型递推未来N步的端电压，若任一步超出截止电压，则缩小I；反复迭代得到最大允许电流，再乘以当前端电压得到功率。对于Thevenin和二阶RC模型，递推公式可离散化为：

U₁[k+1] = U₁[k]·exp(−Δt/τ₁) + I[k]·R₁·(1−exp(−Δt/τ₁))
U[k] = OCV(SOC) − I[k]·R₀ − U₁[k] − U₂[k]

其中Δt为采样或预测步长。该离散形式计算量小，适合嵌入式BMS实现。若温度变化明显，还应将参数表扩展为SOC×温度×电流方向的三维或分组查表。

总结来看，Rint、Thevenin和二阶RC模型分别对应“瞬时内阻—单极化—快慢极化”三个精度层级。SOP估算没有唯一必须使用的模型：短脉冲初筛可用Rint，常规10s~60s持续功率可用Thevenin，高精度动态工况则用二阶RC。理解每种模型的结构和参数物理意义，才能根据实际储能系统的采样周期、算力和安全要求，选择合适模型并正确设置参数，使SOP结果既不过于保守而浪费功率能力，也不过于乐观而触发欠压或过流保护。