1. 课程导入与标定对象界定

在电池管理系统(BMS)中,状态估计是决定整车能量管理、功率分配与安全保护是否可靠的基础环节。所谓“状态估计”,并不是简单读取几个传感器数值,而是利用可测量的电压、电流、温度等信息,通过算法推断出无法直接测量的内部状态量。标定工作则是在算法结构确定之后,为其中的关键参数、修正系数和边界条件赋予合理数值,使估计结果在真实工况下具备可接受的精度与稳定性。本课程围绕 SOC、SOH、SOP 三类核心状态量展开,先厘清它们各自“是什么、由谁决定、受什么影响”,再讨论标定与验证的边界,最后梳理从数据采集到结果评估的完整工具链与数据流。

一、三类核心状态量的定义与差异

SOC(State of Charge,荷电状态)描述的是电池当前剩余可用电量占额定容量的比例,通常以百分数表示。它回答的是“现在还能放多少电”的问题。SOC 本身不可直接测量,只能通过安时积分、开路电压修正、卡尔曼滤波等方法估计。其标定重点在于初始值确定、安时积分系数、OCV-SOC 曲线以及不同温度、倍率下的修正策略。

SOH(State of Health,健康状态)反映电池相对于全新状态的性能衰减程度,常用容量保持率或内阻增长率来表征。它回答的是“电池还剩下多少寿命能力”的问题。SOH 的变化是缓慢的、累积的,因此其标定更关注长期趋势的稳定性、容量辨识窗口的选取以及内阻估计的激励条件。

SOP(State of Power,功率状态)描述电池在当前状态和温度下,短时间内能够安全输出或吸收的最大功率。它回答的是“此刻能允许多大功率”的问题。SOP 与 SOC、SOH、温度、内阻均强相关,标定中需要明确持续时间和截止条件,例如 10s、30s 功率能力,并针对充电与放电分别设定限制。

三者的关系可以概括为:SOC 是短期能量状态,SOH 是长期健康状态,SOP 是瞬时功率能力。SOC 和 SOH 共同影响 SOP 的计算结果,而 SOP 又反过来约束整车如何使用电池。标定时必须保持三者之间的逻辑一致性,不能出现 SOC 显示充足但 SOP 已严重受限的矛盾。

BMS 状态估计核心对象与标定数据流 电池对象 电芯 / 模组 / Pack 可测量信号 电压 U(t) 电流 I(t) 温度 T(t) SOC 估计 剩余电量 / 短期状态 安时积分 + OCV 修正 SOH 估计 容量衰减 / 长期状态 容量辨识 + 内阻趋势 SOP 估计 功率能力 / 瞬时状态 电压截止 + 温度限制 标定参数与边界条件 SOC 标定项 • OCV-SOC 曲线 • 安时积分效率系数 • 初始 SOC 策略 SOH 标定项 • 容量辨识窗口 • 内阻-温度映射 • 衰减阈值 SOP 标定项 • 持续/峰值时间窗 • 截止电压/温度限值 • 充放电功率系数 估计输出 SOC / SOH / SOP 值 验证与评估 精度 / 收敛 / 鲁棒性 数据流 参数注入

二、标定与验证的边界

标定与验证是两个容易混淆但职责不同的环节。标定的对象是算法中的可调参数,例如 OCV-SOC 曲线上的节点值、安时积分效率系数、卡尔曼滤波的过程噪声与观测噪声矩阵、SOP 计算中的持续时间与截止电压阈值。标定的依据来自实验数据与工程经验,目标是在典型工况下让估计误差落在可接受范围内。

验证则是对标定结果的独立检验。它不修改参数,而是用另一组未参与标定的数据来评估估计精度、收敛速度和鲁棒性。验证工况应覆盖标定工况之外的场景,例如低温、大倍率、长时间静置后重新上电等。如果验证发现误差超限,需要回到标定环节调整参数,而不是在验证阶段临时修补。

边界划分的核心原则是:标定解决“参数取多少”,验证回答“结果行不行”。两者使用不同的数据集、不同的评价指标,并且验证数据不能参与任何参数调整,否则验证就失去了独立性。

三、工具链与数据流

从工程实施角度看,BMS 状态估计标定通常涉及以下工具链环节:

  • 数据采集层:通过 CAN 总线或数采设备记录电池的电压、电流、温度、时间戳,采样周期常见为 100ms 或 1s。数据需要同步对齐,避免电流与电压之间存在明显时延。
  • 数据处理层:对原始数据进行滤波、异常值剔除、工况切分,提取可用于标定的特征片段,例如静置段、恒流充放电段、脉冲段。
  • 模型与算法层:在 MATLAB/Simulink 或 Python 环境中搭建等效电路模型或电化学模型,实现 SOC/SOH/SOP 估计算法,并将待标定参数暴露为可调变量。
  • 标定执行层:通过脚本或标定工具批量修改参数,运行算法,对比估计值与参考值,记录误差指标。
  • 验证与评估层:使用独立数据集运行最终参数,统计最大误差、均方根误差、收敛时间等指标,判断是否满足项目要求。

数据流的方向可以概括为:原始信号 → 预处理 → 特征提取 → 算法输入 → 参数标定 → 估计输出 → 验证评估。其中参考值的获取方式需要特别说明:SOC 参考值通常来自高精度充放电设备的安时积分结果,SOH 参考值来自容量测试,SOP 参考值来自脉冲功率测试。这些参考值本身也存在不确定度,标定时应将其视为“相对可信的基准”,而不是绝对真值。

在实际项目中,建议先固定算法结构,再集中标定参数。频繁更换算法结构会导致标定工作反复归零。同时,标定参数应保留版本记录,便于回溯和对比。

四、教学示例:一个简化的标定数据流

假设某 50Ah 磷酸铁锂电池包,在 25℃ 下进行 0.5C 恒流放电实验,采样周期 1s,记录电压、电流、温度。标定目标是确定 OCV-SOC 曲线的 11 个节点值以及安时积分效率系数 η。初始 η 取 0.98,OCV-SOC 节点按厂家提供的基础曲线设置。运行 SOC 估计算法后,将估计值与安时积分参考值对比,若在 SOC 20%~80% 区间最大误差超过 3%,则调整对应节点的 OCV 值,每次调整幅度不超过 5mV,迭代 3~5 轮。最终在验证集上检查低温 0℃ 和 1C 放电工况下的误差表现。上述参数和数值均为教学示例,实际项目需根据电芯特性重新确定。