评估开路电压估计方法对UKF在锂离子电池荷电状态（SOC）和健康状态（SOH）估计性能的影响

为何更好的电量表很重要

无论是开电动汽车、使用智能手机，还是依赖家庭储能系统，用户看到屏幕上的一个小数字：还有多少电，以及电池已经有多旧。在这个简单显示背后隐藏着一个复杂的估计问题。本文探讨了该问题中的一块关键拼图——我们如何建模电池静置电压与荷电量之间的关系——并说明了选择合适的方法如何能使车载“电量表”更快、更准确，同时更好地跟踪长期健康状况。

倾听电池的两种方式

为了估计锂离子电池的剩余电量，工程师依赖一条将开路电压（电池静置后的电压）与荷电状态（SOC）联系起来的曲线。作者检视了构建这条曲线的两种常见方法。低电流（LC）方法以很小的电流对电池进行缓慢充放电，使测得的电压接近静置电压。该方法简单，但往往会把曲线中的陡变平滑掉。增量电流（IC）方法则在多个荷电水平上施加短脉冲电流，并在脉冲间留有静置期。虽然实验工作更繁重，但能在电压随电荷快速变化的区域捕捉到更精细的细节，这对精确估计至关重要。

将曲线与智能估计器连接起来

现代电池管理系统越来越多地使用先进的估计算法，例如无迹卡尔曼滤波器（UKF），以实时推断诸如SOC和健康状态（SOH）等隐藏量。作者将这些算法与一种简单但广泛使用的电池等效电路模型结合：一个依赖SOC的电压源、一个主串联电阻，以及捕捉瞬态效应的电阻-电容支路。在该模型中，他们分别代入基于LC或IC的电压—荷电曲线，然后考察每种版本让UKF跟踪SOC和串联电阻R0的能力，后者被用作衰老的实用指标。

在真实驾驶工况下的测试

研究没有仅依赖温和的实验室循环，而是用一种高度动态的类汽车驾驶工况FUDS来给模型施压。电流在充电、放电和空载之间快速交替，类似城市交通。研究者使用来自NASA和CALCE电池库的公开数据集，首先展示了电池容量与内阻在多次循环中共同变化，支持R0是有用健康标志的观点。随后，他们让UKF分别使用两种电压—荷电曲线运行，比较其SOC估计、预测端电压和追踪到的R0，并以详尽的参考模型为基准，用标准误差量度覆盖整个行驶过程的表现。

更细致的曲线带来更快、更干净的估计

结果明显倾向于细节更丰富的IC方法。当UKF以一定的随机不确定性开始时，基于IC的曲线在SOC平均误差和电池电压重构上表现更好，同时计算负担与基于LC的版本相当。当作者故意给滤波器设置大的初始SOC错误——将其设为65%而电池实际为80%——对比非常鲜明：使用IC曲线时，估计在不到十个时间步内回到正确值；使用LC曲线时则需超过200步。该行为可归结为一个简单原理：在电压—荷电曲线斜率较陡的区域，电压的小偏差包含更多信息，因此滤波器能够更果断地纠正SOC。

实时读取电池衰老

在健康估计方面，UKF基于测量的电流和电压不断重构内阻R0。作者随后用滑动平均对该信号进行平滑处理并检视其长期趋势。使用基于LC的曲线时，估计的电阻在快速电流变化下会出现跳动和振荡，尽管真实的物理电阻不可能变化得那么快。这类数值噪声可能在实际电池管理系统中触发误报。采用基于IC的曲线时，R0演变更为平滑，呈现出更现实的缓慢上升趋势，为逐步老化提供了更干净的图景，同时不牺牲对真实变化的响应性。

对日常电池意味着什么

通俗地说，该研究表明信息量更大的电压—荷电映射能使电池管理系统的“大脑”更聪明。使用基于增量电流的曲线可以让UKF更快找到真实电量，摆脱糟糕的初始猜测，并在真实驾驶工况下稳定地跟踪内阻。由于额外工作主要体现在一次性的实验室表征上，而不是车载计算上，制造商可以在不增加电池电子复杂度的前提下采用IC方法。回报是更可靠的续航估计、更安全的运行，以及对电动汽车和其他储能设备电池老化的更早、更稳健的预警。

引用: Mikhak-Beyranvand, M., Salehi, M. & Mohammadkhani, M.A. Assessing the impact of open-circuit voltage estimation methods on UKF performance for lithium-ion battery SOC and SOH estimation. Sci Rep 16, 7605 (2026). https://doi.org/10.1038/s41598-026-38846-4

关键词: 锂离子电池, 荷电状态估计, 电池健康监测, 卡尔曼滤波器, 电动汽车电池