第12章 BMS核心算法

课程目录第12章 BMS核心算法

第12章：BMS核心算法——SOC与SOH估算

各位同学，今天我们来聊聊BMS里最核心、也最让人头疼的两个算法：SOC和SOH估算。

SOC，全称State of Charge，就是电池还剩多少电。SOH，State of Health，是电池的健康状态。这两个参数，说白了就是电池的“油表”和“体检报告”。

我刚开始做BMS那会儿，觉得SOC估算不就是测个电压嘛，简单。后来被现实狠狠教育了一顿——电池的电压和电量根本不是线性关系，尤其是磷酸铁锂电池，中间一大段电压几乎不变。嗯，这里面的坑，我一个个给你们讲清楚。

12.1 SOC估算：开路电压法

开路电压法，是最基础的方法。原理很简单：电池静置足够长时间后，端电压和SOC之间存在一一对应的关系。我们提前标定好这个关系表，查表就能知道SOC。

但问题来了——什么叫“静置足够长时间”？

我做过测试，一块三元锂电池从满电状态断开负载，电压会先快速下降，然后缓慢趋稳。这个过程少说要30分钟，长的要2小时。你想想看，手机用户能等这么久吗？显然不能。

所以开路电压法只能用在特定场景：比如电动车刚启动时，或者设备长时间待机后首次开机。平时跑起来，这个方法基本废了。

核心要点：开路电压法精度高（误差<2%），但要求电池静置≥30分钟。适合作为初始SOC校准，不适合动态估算。

12.2 SOC估算：安时积分法

安时积分法，也叫库仑计数法。原理更简单：实时测量电流，对时间积分，算出充进去了多少电、放出了多少电。

公式长这样：

SOC(t) = SOC(0) + (1/Q_n) * ∫[0→t] I(t) * η(t) dt

其中Q_n是额定容量，η是库仑效率（充电一般取0.98~0.99，放电取1.0）。

这个方法的好处是实时性好，每秒都能更新SOC。但坏处也很明显——误差会累积。

我曾经在一个项目里，用安时积分法跑了三天，SOC从100%漂到了112%。为什么？因为电流传感器的零点漂移，每次测量都有微小误差，日积月累就爆炸了。

避坑指南：安时积分法必须定期校准。我建议每次充满电时强制置为100%，或者每次静置后用开路电压法修正。否则误差会像滚雪球一样越来越大。

12.3 SOC估算：卡尔曼滤波

卡尔曼滤波，是解决上述问题的终极方案。它把开路电压法和安时积分法融合在一起，取长补短。

简单说，卡尔曼滤波做了两件事：

预测：用安时积分法推算下一时刻的SOC
更新：用开路电压法（或其他观测值）修正预测结果

它还会根据当前的不确定性，动态调整预测和修正的权重。噪声大的时候多相信测量，噪声小的时候多相信模型。

我给你们画个流程图，一看就明白：

卡尔曼滤波的代码实现也不复杂。我贴一个简化版的一阶卡尔曼滤波，用于SOC估算：

// 一阶卡尔曼滤波SOC估算（简化版）
typedef struct {
    float soc;      // 状态量：SOC
    float P;        // 误差协方差
    float Q;        // 过程噪声
    float R;        // 测量噪声
} KalmanFilter;

void Kalman_Init(KalmanFilter *kf, float init_soc) {
    kf->soc = init_soc;
    kf->P = 0.1f;   // 初始不确定性
    kf->Q = 0.001f; // 过程噪声（安时积分误差）
    kf->R = 0.01f;  // 测量噪声（电压测量误差）
}

void Kalman_Update(KalmanFilter *kf, float current, float voltage, float dt) {
    // 1. 预测：安时积分
    float soc_pred = kf->soc + (current * dt) / 3600.0f / Q_n;
    float P_pred = kf->P + kf->Q;
    
    // 2. 计算卡尔曼增益
    float K = P_pred / (P_pred + kf->R);
    
    // 3. 更新：用电压修正
    float soc_meas = OCV_to_SOC(voltage);  // 开路电压查表
    kf->soc = soc_pred + K * (soc_meas - soc_pred);
    kf->P = (1.0f - K) * P_pred;
}

个人经验：卡尔曼滤波的Q和R参数需要根据实际电池特性调优。我一般先用仿真数据跑一遍，再在实际硬件上微调。Q设大了响应快但噪声大，R设大了平滑但滞后。这个平衡点，得靠经验慢慢找。

12.4 SOH估算

SOH，说白了就是电池还能用多久。通常定义为当前容量与额定容量的比值：

SOH = Q_current / Q_rated × 100%

当SOH低于80%时，一般认为电池寿命到了终点。

SOH估算比SOC更难，因为它变化太慢了。一个电池从100%衰减到80%，可能要充放电500次。你没法实时测量，只能通过长期数据来推算。

常用的方法有三种：

方法	原理	优点	缺点
容量测试法	满充+满放，计算实际容量	最准确	需要完整充放电周期，耗时
内阻测量法	内阻随老化增大，反推SOH	可在线测量	受温度影响大，精度一般
循环计数法	统计充放电次数，查表估算	简单易实现	不考虑使用工况，误差大

我实际项目中，用的是容量测试法+内阻测量法结合。每次充满电时记录一次容量，同时定期测量内阻。两个数据互相印证，准确度能到95%以上。

注意：SOH估算不要频繁更新。我建议每50次充放电周期更新一次，或者每月更新一次。更新太频繁，反而会因为测量噪声导致SOH值来回跳动，用户看了会困惑。

12.5 实际项目中的坑与对策

最后，我总结几个实际项目中踩过的坑：

温度补偿：电池的OCV-SOC曲线在不同温度下差异很大。零下10度和40度，同一电压对应的SOC能差15%。一定要做温度查表补偿。
电流传感器零点漂移：我遇到过传感器在零电流时输出0.5mA的偏移，一天下来SOC漂了3%。解决办法是定期做零点校准，或者用硬件自动归零。
电池老化后的OCV曲线变化：新电池和用了两年的电池，OCV-SOC曲线不一样。我建议每半年重新标定一次曲线，或者用自适应算法在线更新。
脉冲负载的影响：手机突然亮屏、电动车急加速，电流瞬间变大，电压会骤降。这时候用电压查SOC会严重偏低。我的做法是加一个低通滤波器，或者检测到脉冲时暂时禁用电压修正。

好了，SOC和SOH估算的核心内容就这些。说白了，没有完美的算法，只有最适合你应用场景的方案。做产品嘛，就是在精度、实时性和成本之间找平衡。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录