电池管理系统：电芯荷电状态（SOC）扩展卡尔曼滤波在线估计

实际工程中的电池管理系统（BMS）只能直接获取电芯的两类物理信号：流经电芯的电流以及两极之间的端电压。这两项参数均不等于电池的荷电状态（State of Charge, SOC）。纯安时积分（库仑计数）只有在电流传感器绝对理想的前提下才准确——这在工程上绝无可能。端电压虽然与电池剩余电量强相关，但两者之间呈现极不均匀的强非线性映射关系。

本案例设计并实现量产级 BMS 的核心算法：扩展卡尔曼滤波器（Extended Kalman Filter, EKF）。算法实时融合电流与电压两条遥测通道，在线辨识并消除电流传感器的累积零偏，输出高精度的 SOC 估计值及其置信方差。

等效电路物理建模

以经典的 18650 锂离子电芯为例，采用一阶 RC 戴维南（Thévenin）等效电路模型：包含欧姆内阻、一组极化 RC 并联网络以及电量依赖的开路电压源。

V = V_{OC}(SOC) - V_1 - R_0 I \qquad \frac{dSOC}{dt} = -\frac{I}{3600\,Q_{cap}}, \qquad \frac{dV_1}{dt} = -\frac{V_1}{\tau} + \frac{I}{C_1}

参数	物理意义	基准值
$Q_{cap}$	额定电容量	$3{,}20\ \text{Ah}$
$R_0$	欧姆内阻	$0{,}05\ \Omega$
$R_1$	极化内阻	$0{,}02\ \Omega$
$C_1$	极化电容	$1000\ \text{F}$
$\tau = R_1C_1$	极化时间常数	$20\ \text{s}$

模型包含两个状态变量：极化电压 $V_1$ （可通过静置松弛过程快速观测）以及隐藏的荷电状态 SOC。

为何纯安时积分无法胜任

将电流对时间直接积分并除以电池总容量，看似直接且无需复杂数学模型。

致命弱点在于：电流传感器哪怕仅存在微小的静态零偏 $\delta I$ ，都会被时间积分无情放大为单向线性发散的累积误差：

\frac{d\,SOC_{err}}{dt} = \frac{\delta I}{3600\,Q_{cap}}

漂移速率仅取决于绝对误差 $\delta I$ （安培），与负载电流大小无关。

负载电流	传感器百分比误差	绝对零偏 $\delta I$	每小时累积漂移
2 A	2 %	0{,}04 A	1{,}25 % / h
10 A	2 %	0{,}20 A	6{,}25 % / h
10 A	5 %	0{,}50 A	15{,}6 % / h
2 A	10 %	0{,}20 A	6{,}25 % / h
10 A	10 %	1{,}00 A	31{,}3 % / h

哪怕仅有 0.20 A 的微小零偏，每小时就会产生高达 6.25% 的不可逆偏差。在宏观百分比仪表盘上，这种线性漂移犹如一条缓慢斜坡，往往在电芯彻底断电前毫无警觉。因此必须引入独立的第二参考源：端电压。

开路电压（OCV）的物理特性

当负载电流切断后，RC 极化过电位随时间指数衰减，两端稳定的残余电位即为开路电压（OCV）：

V = V_{OC}(SOC)

该特性曲线具备强非线性：

SOC 区间	局部斜率 $\partial V_{OC}/\partial SOC$	相对于平坦区的敏感倍数
0–10 %	5{,}00 V / 归一化电量	8{,}3×
10–20 %	1{,}50	2{,}5×
20–90 %	0{,}60 – 0{,}90	中间平坦平台区
90–100 %	0{,}60	1{,}0×

在低电量陡峭区域，10% 的 SOC 变化会导致高达 500 mV 的电压跌落；而在广阔的中间平坦区，相同变化量引起的电压差仅为 60 mV。曲线局部导数直接决定了状态观测矩阵的增益与收敛速率。

扩展卡尔曼滤波（EKF）架构

若采用固定工作点线性化的标准卡尔曼滤波，一旦电池进入不同充放电区间就会产生严重系统偏差。扩展卡尔曼滤波通过在每一个采样时刻以最新估计值 $\hat{x}_k$ 重新计算雅可比矩阵：

H = \left[\left.\frac{\partial V_{OC}}{\partial SOC}\right|_{SOC_{hat}},\; -1\right]

使滤波器始终保持对物理电化学特性的精确灵敏度，在 5% 到 95% 全工作范围内均能实现零偏差渐近收敛。

协方差矩阵调谐

$Q$ 表征未建模动态（如温度波动、极片固相老化）。 $R$ 表征电压采集硬件的高频噪声方差。卡尔曼增益在此平衡：增大 $R$ 能够提升滤波平滑度但减缓收敛，降低 $R$ 则使算法迅速追踪端电压突变。

参阅相关组件

BatterySocEkf：集成了 OCV 查表与电流传感器零偏估计的专用 EKF 模块。
KalmanFilter：线性定常系统卡尔曼滤波模块。
LookupTable：高精度非线性插值查表模块。
uPlotDisplay：多通道实时遥测曲线展示。