电池管理系统（BMS）系列—状态估计之SOH

lixinfu

在上期电池管理系统（BMS）系列—状态估计之SOC（二）拓展卡尔曼滤波法中，我们介绍了基于拓展卡尔曼滤波实现SOC估计的方法，虽已尽可能将算法过程简化，但理解起来仍有难度，收效甚微。为保证BMS系列文章的连续性，在后续我们将避免对具体算法的详细讲解，而更注重于于各种概念的释义。待本系列文章完结后，再回头统一来看这些算法的具体实现。

那么，本期我们将介绍动力电池的另一个重要状态参数——SOH。大致分为以下三部分：什么是SOH？SOH受什么影响？怎么估计SOH？
先看什么是SOH。SOH（State of health），意指电池的健康状况，和SOC同为动力电池的关键状态参数。电池在使用过程中会不断老化，当健康状况劣化至一定程度时，便不再满足电动车的使用要求，因此需对电池的SOH进行监控。与SOC的估计相比，SOH的预测更为复杂，一般需借助于各类滤波算法实现。在当前工程实际中，电池的SOH的考量因素主要有电池容量和内阻两个指标。1） 从电池容量角度定义的SOH


式中，CN是电池标称容量，CM是目前测量得到的电池容量，SOH以百分比的形式反映电池目前的容量能力。对新电池而言，其SOH一般大于或等于100%，在使用过程中不断降低。根据IEEE-1188.1996和GB/T-34015等相关标准，当电池容量降低至80%，即SOH<80%时，需进入回收利用环节。

2） 从电池内阻角度定义的SOH


其中，Rnow为电池当前状态欧姆内阻，Rnew为电池出厂状态欧姆内阻，Rold为电池容量下降到80%时电池的欧姆内阻。电池在循环使用中，内阻会逐渐增大，认为SOH与内阻间是有对应关系的。通过内阻判断电池的健康状态是目前工程上在线估计SOH一种有效的手段。一般认为当内阻值增大100%及以上时，电池失效。

另外，也可从剩余电量、功率等角度对SOH进行评估，但实际应用不多，此处不加介绍。

那么动力电池包SOH的影响因素有哪些呢？
影响动力电池包SOH的因素可以从两个角度来看：一是在电池单体层级；二是单体电池成组的影响。下面逐一介绍。
影响单体锂离子电池SOH的副反应

对于理想的锂离子电池，在充放电过程中只考虑锂离子在正负极之间的嵌入和脱出，可以认为不存在锂离子的不可逆消耗，容量没有衰减。但实际上，锂离子电池在循环使用过程中，每时每刻都有副反应存在，伴随着活性物质不可逆消耗等，并逐渐累积，影响电池的SOH。
通常造成活性物质不可逆消耗的主要因素有：1）正极材料的溶解：正极材料的溶解造成正极活性物质减少，溶解的正极 材料游离到负极时会造成负极界面膜的不稳定，被破坏的界面膜再形成时会消耗锂离子，造成锂离子的减少。2）正极材料的相变化：锂离子在电极间正常脱嵌时，总会伴随着宿主结构摩尔体积的变化，结构不可逆转变，影响颗粒与电极间的电化学接触，造成容量衰减。3）电解液的分解：在锂离子电池充电过程中，电解液对含碳电极具有不稳 定性，因此会发生还原反应。电解液还原消耗了电解质及其溶剂，对电池容量及循环寿命产生不良影响。4）过充电：电池在过充电时，不仅会造成负极形成锂沉淀、电解液氧化和正极氧的损失，消耗活性物质导致容量不可逆损失，还会有安全隐患。5）界面膜的形成：界面膜（SEI膜）的形成会消耗锂离子，一般发生在最初的几次充放电时。
6）集流体的腐烛：锂离子电池中的集流体材料常用铝和铜，两者的腐蚀会在表面形成膜，电池内阻增大，放电效率下降，继而造成电池寿命衰减。
影响动力电池组SOH的因素
当单体动力电池寿命一定时，动力电池的连接方式、电池组内单体电池的数量及其不一致程度都是影响动力电池组寿命的因素。电池组在实际使用过程中，最好采用先并后串的成组方式，不仅可以提高电池组的性能可靠性，还能保证电池组的使用寿命。
怎么估计SOH？
目前，国内外车用电池的SOH估计研究一般都是通过对动力电池内部参数在线估计、辨识来实现的。包括基于双扩展卡尔曼滤波法的电池SOH估计、基于自适应数字滤波算法的电池内部状态估计、基于电池的等效电路模型利用电化学阻抗谱对电池的进行监测估计等，方法很多。在后续的文章中，我们会挑选其中一种进行讲解，本文不再介绍。
本期关于SOH的内容就到这里了。

shuizhonghua

好的，作为汽车工程师，我将继续为您介绍电池管理系统（BMS）中的相关内容。

关于您提到的SOH（State of Health），这是描述电池健康状况的重要参数。简单说，SOH能够反映电池的剩余容量和性能状态。对于动力电池而言，其定义类似于我们人体的健康状况，当电池性能保持良好时，SOH值较高；随着使用时间的增长，电池性能逐渐下降，SOH值也会随之降低。

SOH受多种因素影响，包括电池的充放电次数、使用条件、环境温度等。为了准确估计SOH，我们需要考虑这些因素，并借助先进的算法和技术来评估电池的实际性能。目前，估计SOH的方法多种多样，包括基于电池阻抗、充放电效率、循环寿命等的评估方法。这些方法都有其特点和适用场景。

在本系列的后续文章中，我们将详细介绍SOH的影响因素和估计方法。至于具体算法的讲解，我们会在整个系列文章完结后，再进行统一回顾和解释。希望通过这样的安排，能够帮助大家更好地理解并掌握BMS中的状态估计技术。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]

andyo7

尊敬的各位同行及读者：

在电池管理系统（BMS）系列文章中，我们已探讨了状态估计之SOC的拓展卡尔曼滤波法。本期我们将转向介绍动力电池的另一关键状态参数——SOH（State of Health，电池健康状态）。

SOH是评估电池性能及剩余寿命的重要参数。它反映了电池的当前状态与其全新状态时的性能比值。简单来说，就是衡量电池还能工作多久以及性能如何。SOH主要受电池的使用次数、充电放电速率、温度和运行环境等影响。电池在使用过程中会出现容量衰减、内阻增大等现象，这些因素都会影响到SOH。为了准确估计SOH，通常会利用电池的各项数据进行分析计算。但在实际使用中，因为涉及的参数和算法相对复杂，我们不会详细讲解具体的算法过程。我们会更注重于概念的解释和实际应用中的注意事项。待本系列文章完结后，我们将回头详细解析这些算法的具体实现。

关于SOH的更多内容，我们将在后续文章中详细介绍。敬请期待。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]