SOC EKF 深度 — 状态方程 / OCV 模型 / 调参 / 收敛性

最常用是 3 阶状态向量:

其中 $UR1/UR2$ 是两个 RC 极化电压,代表 Li-ion 电极极化 (Activation polarization) + 浓差极化 (Concentration polarization) 的两个时间尺度:

• ${\tau }_1\approx$ 10s — fast (双电层 + Faradaic)
• ${\tau }_2\approx$ 1000s — slow (浓差 + SEI)

2 阶简化 (只 1 个 RC) 在低动态够用;4 阶在大功率快充 / 弱化锂电池 (老化) 时更准。EV BMS 99% 用 3 阶。

状态方程把"当前 SOC + 极化电压" 一步推到下一时刻 — SOC 用 Coulomb 积分,RC 极化电压用 RC 衰减 + 当前电流激励叠加,这两项后面构成 Predict 步骤的核心:

参数:

• $\eta$:库仑效率 (放电 1.0,充电 0.99)
• $Cn$:额定容量 (Ah)
• $R1/R2$ 和 ${\tau }_1/{\tau }_2$:实验拟合,SOC + 温度依赖

量测方程把状态映射成端电压 $Vterminal$ — 它由开路电压 + 欧姆压降 + 两个极化电压组成。这是 Update 步骤的核心,OCV(SOC) 是非线性项,它在 LFP 平台区斜率 → 0 直接决定 EKF 是否能锁住:

$R0$ 是欧姆内阻——量级强依赖电芯尺寸:大容量 EV 方壳 / 软包电芯(50-150 Ah)约 0.5-2 mΩ,21700 类小圆柱(~5 Ah)约 15-25 mΩ,25 ℃ 值随温度下降显著上升(-20 ℃ 常翻 2-3×)。OCV 是查表函数,温度修正:同 SOC 不同温度 OCV 偏 ±10-30 mV(对应熵系数 $\partial OCV/\partial T\approx$ ±0.3-0.6 mV/℃ × ΔT)。

NCM 的 OCV-SOC 曲线全程单调,最平区段斜率仍有 ~1-2 mV / %SOC(等价 0.1-0.2 V per 单位 SOC),EKF 可以从 V_terminal 反推 SOC 误差 < 1%。

LFP 在 30-70% SOC 区间OCV 平台:

• 斜率 ~0.1 mV / %SOC(比 NCM 最平段低约一个数量级)
• 端电压量测最小可分辨 SOC = 噪声 / 斜率:即便用 12-bit @ 5V ADC 量化 1.2 mV,或车规 AFE(ADBMS6830 total measurement error < 2 mV)的 2 mV 噪底,2 mV ÷ 0.1 mV/%SOC = 20% SOC 盲区 → SOC 估计直接漂 ±20%(§9 逐步复算)!

LFP 工程对策:

• 充满 + 静置 30+ min 强制 OCV 重置(每周至少 1 次)
• 多模型 fallback:EKF + Coulomb + DVA (Differential Voltage Analysis)
• 提高 ADC 精度到 16-bit + 限制 EKF 在平台区"信任电流积分"(R 调大)

Predict 步骤把上一时刻的最佳估计 ${\hat{x}}_{k-1}$ 用状态方程推到当前先验 ${\hat{x}}_k^{-}$,同时把不确定性 P 沿模型方向膨胀(加过程噪声 Q):

$F$ 是状态雅各比 $\partial f/\partial x$。

Update 用端电压量测 $zk$ 校正先验 — 计算量测残差 $yk$,通过 Kalman 增益 $Kk$ 把残差按 "model 不确定 / 测量不确定" 比例分配回状态,得到后验:

$H$ 是量测雅各比 $\partial h/\partial x$,关键在 $H[1]=\partial OCV/\partial SOC$ → LFP 平台区 H 几乎 = 0 → K 几乎 = 0 → EKF "失效"。

3 阶 EKF / 100ms / 96 cell pack: ~1000 次浮点乘法 / cell / 周期 → 总 100k flop/cycle → MCU 主流 @ 100 MHz 占 1-2% CPU。实战瓶颈不在算力,在调参。

$Q$ 是 3×3 对角矩阵,代表"我对 model 的不信任程度":

• $Q[0,0]$ (SOC 过程噪声) — 大 → EKF 相信电压量测多,反应快
• $Q[1,1],Q[2,2]$ (RC 过程噪声) — 通常 < Q[0,0]

$R$ 是标量(单量测),代表"我对端电压量测的不信任程度":

• $R$ 大 → 不信电压 → 偏向 Coulomb counting
• $R$ 小 → 信电压 → 偏向 OCV 查表

实战经验(注意量纲:$Q$ 是状态协方差、SOC 项量纲 ${\text{SOC}}^2$;$R$ 是端电压量测方差、量纲 ${\text{V}}^2$):

• 初值 $Q[0,0]=10^{-6}$(SOC std ≈ 0.1% / step)、$R=10^{-3}$(端电压 std ≈ 32 mV——偏保守、刻意"不信电压"的松起点;若对应 2-5 mV TME 的车规 AFE,收敛后可收到 $R\approx 10^{-5}$)
• 高动态(加速 / 制动)时临时增大 $Q$ → 加快响应
• LFP 平台区临时增大 $R$ → 切换到 Coulomb 主导
• 充满 + 静置 → 减小 $R$ → 拉回 OCV 锚定

自适应 EKF (AEKF) 实时调 Q / R,Tesla 在用,代价复杂度 + 测试覆盖率涨。

先把被估对象和量测链路固定下来(器件取自本 wiki 已核页,电芯参数是 100 Ah NMC 方壳的 HPPC 典型量级):

约定 $I>0$ 为放电(与 §2 一致),$SOC\in [0,1]$。

把 §2.2 的三条离散方程在工作点线性化,得对角的状态雅可比 $F$——因 SOC 不依赖极化电压、极化电压也不依赖 SOC:

代入 $\Delta t=0.1$ s、时间常数 ${\tau }_1=10$ s / ${\tau }_2=1000$ s 即得上面两个衰减因子($e^{-0.1/10}=0.9900$、$e^{-0.1/1000}=0.9999$)。库仑项每步系数 $\eta I\Delta t/Cn=2.78\times 10^{-7}I$(每步,$I$ 单位 A):自检一下量级——100 A 放电 1 h = 36000 步,$36000\times 2.78\times 10^{-7}\times 100=1.0$ = 100% SOC,正好把 100 Ah 电芯放空,量级无误。

量测方程 $Vterminal=OCV(SOC)-IR0-UR1-UR2$ 对状态求偏导,量测雅可比只有第一项随工作点变:

关键就是 $H[0]=\partial OCV/\partial SOC$。用 §3.1 的斜率代入,并配 ADBMS6830 的 2 mV 噪底,直接算出"电压最小可分辨的 SOC 步长" = 噪声 ÷ 斜率:

• NMC 最平区段 $H[0]\approx$ 1.5 mV/%SOC → 2 mV ÷ 1.5 mV/%SOC ≈ 1.3% SOC(可观,EKF 正常锁住)
• LFP 平台 $H[0]\approx$ 0.1 mV/%SOC → 2 mV ÷ 0.1 mV/%SOC = 20% SOC(盲区,与本页反复强调的 ±20% 一致)
• 电压对 SOC 的"信息量" $\propto H[0{]}^2/R$,NMC:LFP $=1.5^2:0.1^2=225:1$ → 平台区可观性弱约 200×

$H[0]\to 0$ 直接让 Kalman 增益中 SOC 对应的分量 $K[0]\to 0$——EKF 对 SOC 的校正能力塌陷,只能"信电流"裸奔 Coulomb,这就是 §3.1 / §6 那条命门的定量根源。

3 阶 EKF 单 cell 每周期约 $10^3$ 次浮点乘加(Predict 的 $FP{F}^T$ 约 $2\times 3^3$ 次、Update 的标量量测更新数百次,取上界),96-cell pack 逐 cell 跑:

• 总量 $\approx 96\times 10^3=10^5$ flop / 周期
• S32K344 Cortex-M7 单精度 FPU,保守按 1 flop/cycle 有效:$10^5÷160\times 10^6\approx 0.6$ ms
• 占 100 ms 周期 ≈ 0.6% CPU(M7 双发射 + FPU 流水实际更低)

96 cell 的 per-cell EKF 在单颗车规 MCU 上算力充裕——瓶颈在调参 / 参数标定,不在 flop(呼应 §4.3)。

§7 的双轨阈值不是拍脑袋,而是从两个方向夹出来的:既要"正常电流 offset 的慢漂移不误报",又要"EKF 卡死的平台盲区能被抓住"。以本例算:

• 独立 Coulomb 轨:shunt 电流 offset 50 mA(未校零)在 100 Ah 上 → 漂移 $50\times 10^{-3}/100=5\times 10^{-4}$/h = 0.05%/h → 连续 ~200 h(8 天+)才累积 10%,才碰 §7 的 10% 告警门 → 正常 offset 不会误报
• EKF 轨:若 LFP 平台把 EKF 锁在初值、真实 SOC 已走 20%(§9.3 盲区),两轨偏离越 10% 先报警、越 20% 强制限功率 + 报 DTC → 失效能被抓

两个数(慢漂 ~200 h 到 10% vs 盲区 20% 越门)正好把 10%/20% 阈值卡在"不误报、又抓得住"的窗口里。

EKF 失效在 BMS 实战里多数不是数学问题,而是输入数据 + 调参 + fallback 缺失。下面 7 处与 §6 的不收敛根因互补——§6 讲"卡住 / 振荡时怎么 debug",这里讲"设计期怎么预防":

1. OCV 表只测 25 ℃ — 低温 / 高温 OCV 偏 ±10-30 mV、量测方程系统性偏置 → 至少 5 个温度(-20 / 0 / 25 / 45 / 60 ℃)二维表 + $\alpha (SOC)$ 修正。
2. LFP 用纯 EKF — 平台区 $H[0]\to 0$、SOC 盲区 ±20%(§9.3)→ 加 DVA / 周期强制满充静置 OCV 重置 / 平台区增大 $R$ 转 Coulomb 主导。
3. $R0$ 用常数 — $R0$ 强依赖温度(-20 ℃ 翻 2-3×)与 SOC,常数 $R0$ 让大电流 IR 压降算错、残差 $y$ 系统性偏 → $R0$(SOC, T) 二维表。
4. Q / R 调一次永不改 — 高动态、老化(极化加重)、化学差异下退化 → AEKF 在线自适应或至少按工况分档切 Q/R。
5. EKF 输出直驱安全态 — 单点失效违反功能安全 → 必须 plausibility check 双轨(§7),EKF 永不单独驱安全态。
6. 上电初值 / P0 设置不当 — 冷启动无静置 OCV 锚点时,若 SOC 初值拍死、$P0$ 又给太小,EKF 过度自信、收敛慢甚至锁在错值 → 上次 SOC + 极化状态落 EEPROM 掉电保存,上电按不确定度放大 $P0$、让量测快速把状态拉回。
7. V 与 I 采样不同步 — 端电压和主电流不在同一时刻采,$IR0$ 压降项与极化项带相位差,污染量测残差与在线内阻辨识 → V/I 同步采样(ADBMS6830 C-ADC 逐 cell 同步 / IBS 同步通道),大电流暂态下尤其致命。

三个把 EKF 推到边界的工况,每个都对应上文一条量化约束:

C1 — LFP 平台 × 低温双杀:平台区 $H[0]\to 0$ 已让电压对 SOC 失观(§9.3 的 20% 盲区),再叠加低温大 $R0$ 把端电压进一步与 SOC 解耦——此时电压残差几乎全被 IR 压降和极化占据。对策:平台区信电流(增大 $R$、Coulomb 主导)+ 只在满充 / 放空两端陡区强制 OCV 重置;验收必须覆盖"低温 + 平台段"整段,而非常温单点。

C2 — 大倍率暂态(快充 / 急加速 > 3C):3 阶双 RC 的时间常数谱(~15 s / ~300 s)描述不了 >3C 的快极化与扩散前沿,模型失配使残差 $y$ 系统性偏、EKF 把模型误差误当量测噪声 → 4 阶(加一条快 RC)或高动态段临时增大 $Q$;老化(弱化)电芯极化更重,同一套参数进一步失配。

C3 — 近似恒流巡航(高速,激励不足):长时间恒流下 SOC 缓变、激励贫乏(persistent excitation 不足),$R0$ / 时间常数的在线可辨识性下降(可观性退化),硬做在线辨识会把噪声当参数漂移 → 参数用预标定二维表锁住,只在有激励的变速 / 起停段才更新;状态估计照跑,参数辨识"择机"。