1. 课程导入与电池建模全景

在电池管理系统（BMS）的工程实践中，我们真正关心的往往不是电池“现在电压是多少”，而是“它还能撑多久、还能放多少电、内部到底发生了什么”。电压、电流、温度这些可以直接测量的量，只是电池内部电化学状态的“外部投影”。电池参数辨识与等效模型，正是把可测量与不可直接测量的内部状态连接起来的一套方法体系。

简单来说，等效模型是用电路元件（电阻、电容、受控源等）去近似描述电池的外特性；参数辨识则是利用实验或运行数据，确定这些元件在特定工况下的具体数值。二者是一体两面：没有模型，辨识结果无处安放；没有辨识，模型参数只是纸上符号。

为什么这件事在工程上如此重要？以最常见的Thevenin等效电路模型为例，它由开路电压源 OCV、欧姆内阻 R₀、以及一个 RC 并联网络（极化电阻 R₁ 与极化电容 C₁）组成。端电压可写成：

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

其中 U₁ 是极化电压。可以看到，若不知道 R₀、R₁、C₁ 随 SOC 和温度的变化，就无法从端电压反推 OCV，也就无法准确估计 SOC。这就是参数辨识的直接工程价值。

典型应用场景包括：

• 电动汽车续航估算：SOC 误差每降低 1%，续航显示可信度显著提升；
• 储能电站健康管理：通过内阻增长趋势判断 SOH 衰减；
• 快充策略优化：依据极化参数动态调整充电电流，避免析锂；
• 故障诊断：连接内阻异常升高往往预示接触不良或老化。

下面这张图展示了从真实电池到 BMS 决策的完整信号链与模型层级关系，也是本课程的整体学习路线图。

从图中可以看到，整个课程沿着“物理层—算法层—学习层”三条主线展开。物理层回答“电池像什么电路”；算法层回答“参数怎么算出来”；学习层回答“怎么一步步学会并落地”。

在进入具体方法之前，先建立几个贯穿全课程的基本约定：

• 符号约定：本文统一采用放电电流为正、充电电流为负的约定，端电压 U = OCV − I·R₀ − U₁。若某文献采用相反约定，需在对比时明确说明。
• 参数含义：R₀ 反映欧姆内阻，主要来自电解液、电极与集流体；R₁、C₁ 反映电化学极化与浓差极化的动态过程，时间常数 τ = R₁C₁ 通常在数十秒量级。
• 可辨识性：不是所有参数都能从任意工况中唯一确定。例如静置状态下电流为零，R₀ 无法辨识；因此实验设计必须包含足够的激励。

本课程后续将依次展开：等效模型的结构与方程、OCV-SOC 关系获取、HPPC 与脉冲实验设计、最小二乘与递推最小二乘辨识、卡尔曼滤波类方法、参数随 SOC 与温度的变化规律、模型精度评估指标，以及嵌入式部署时的定点化与计算量约束。每一章都会给出可复现的示例参数与判断依据，帮助你把“辨识”从概念变成能跑通、能验证的工程能力。

最后强调一点：参数辨识不是一次性的离线任务。电池老化、温度变化、甚至一次深度放电，都会让参数漂移。真正有价值的模型，是能够在线更新、并在精度下降时给出可信度提示的模型。这也是本课程希望带你建立的整体视角。