电池管理系统（BMS）-SOH算法概述

原文：电池管理系统（BMS）-SOH算法概述 - 知乎

上次，总结以下，SOC的计算，这个SOC是所有电池系统的基础参数，很多性能参数评估都是依赖于SOC，这次我们所讲的SOH，依然不例外。

SOH，全名叫做State of Health的缩写，Health就是类似于人的一个概念，人Death，或者人生病了，Death是指电池的失效，无法工作，生病是指电池的能力弱化，性能恶化。目前大多通过故障向量信息表征电池是否失效，不工作，可以理解为故障诊断的范畴，电池能力的弱化就类似于人的生病，所发出的电量与吸收的电量变少，其电化学的机理为，正负极锂离子嵌入，脱嵌的能力变弱，SEI增厚，迁移阻力增加等！

扯淡结束，回归正题，SOH目前可以在BMS内部进行评估的也就能评估其电池弱化状态及失效状态，失效状态在这里不讲了，大多是故障诊断范畴，弱化状态，目前大多用容量衰减与直流内阻判定：

• 容量小于80%额定容量
• 直流内阻大于120%标称内阻

为何选用这两个指标呢？

请参考下图：

通过续航里程与驾驶感受，进行直观映射这两个物理指标，可以更加通俗描述出选这些指标的依据。

容量衰减BMS算法

在进行BMS的计算的时候，首先确定基准容量，目前大多以25C时候以小倍率发出的最大容量为基准，也有以标称容量为基准，一般情况下标称容量都小于实际的新电池的最大容量，所以有的时候容量比会大于100%的情况。所以要先确定基准，然后进行计算，各个BMS，电芯厂家都不一样，所以根据实际情况进行确定。

算法一：

电池容量的大小的衰减，在物理上与放电深度DOD，温度因子T，放电倍率C，有关，若你呆的电池厂是大厂，钱多没地方花的话，可以对一个类型的电芯进行测试，在不同温度，放电倍率，放电深度进行扫点测试，会出几个map，横轴循环测试，纵轴为容量比，曲线为不同温度，不同放电深度，不同放电倍率的曲线。通过这些曲线，然后确定各自的加权系数，得到SOH的值，如下所示

SOH% = A*放电深度+B*倍率+C*环境温度+D*日历寿命

A,B,C,D均通过基础测试得到MAP，然后进行均值化所得。这个算法最大缺点就是，工作量太大。

算法二：

还有一个另外的方法，也是一个比较巧的方法，比较绕，请大家注意听了！

在慢充工况下，而且在静止状态下，从一个SOC到充满的状态，通过OCV的判定，从一个状态到充满状态，所充的电量，对SOH进行修正，整定。如下例所示：

假设当前50% 的SOC，慢充静置，充到100%，额定容量为100AH，实际充了40AH，理论上应该充50AH，故SOH=40AH/50AH =80%.

以上例子是夸张的手法，但是基本的算法一致，因为在慢充静置的条件下，OCV能够很准确描述电池容量。这是这个算法前提。

算法三：

还有一种是通过被动均衡或者主动均衡方式，进行SOH的估算，但是具体的算法我也没有搞过，不是很懂，如果有大虾明白，可以给大家科普以下！哈哈！

内阻衰减的BMS算法

电池的内阻主要与温度，电池的荷电状态（SOC），电池的恶化程度相关，当前两个条件不变的情况下，用恒定的电流对电池进行放电，则得到电池的内阻。那么问题来了，BMS实际的算法中可以测试内阻吗？ 答案是“不可以”！

那这个内阻的方法在BMS算法中是行的通的吗？答案是“行不通”，为何？因为电池内阻是用电压差除以电流，大部分都是脉冲电流，而脉冲电流的电压变化很快，但同时电流，电压的采集在实际的电池包中都有不同的延迟，所以，无法测的准确的内阻，但是在实验室是可以，通过直流内阻仪，HPPC的方法，测量当前内阻，以评价电池的SOH程度，大多应用于电池的梯次利用，故障检测等。

小结：

SOH算是BMS算法中的第二个核心参数，尤其是对电池的梯次利用，电池故障检测意义重大。其算法目前主流就上面讲述的两个，其中还有一个比较比较时髦的算法，就是通过大数据，进行机器学习，估算出SOH的值，因为SOH为非实时值，目前所有的车辆都有TBOX，所以需要的数据都可以上传，故可以进行估算！但是实际效果如何，我也不知道，但是通过参加一些会议，宣称，是可以的，还是有效果！至于何时实用，不得而知了！

关于BMS的全部细节内容，整理成文，计划在知乎上设置一个Live，期待与大家的交流学习。链接如下：：