三元锂电池因能量密度高、循环性能好，在充电宝领域已成为主流选择。但三元材料对热稳定性管理要求较高，对 BMS 的安全管理能力提出了较高要求，仅靠 SOC 百分比显示已不足以支撑电池全生命周期的安全运行。

从安全管理的角度看，充电宝的 BMS 需要回答的不只是“还剩多少电”，还包括：电池衰减到什么程度、剩余多少可用能量、当前能承受多大功率、什么情况下需要限制充电或触发保护。这些问题对应的正是 SOX 体系，即 SOC、SOH、SOE、SOP，四个维度共同构成对三元锂电池状态的完整描述，也是电池安全管理的数据基础。

强制性国家标准 GB 47372—2026《移动电源安全技术规范》于 2026 年 3 月 31 日发布，将于 2027 年 4 月 1 日起实施。标准对建议安全使用年限标注、循环老化后析锂检测、充电电压智能调节等提出要求，对移动电源电池状态监测与安全管理提出了新的要求。对于充电宝这类量大面广、成本敏感的产品，如何在有限的硬件资源和成本约束下，实现完整的 SOX 安全管理，是当前行业面临的现实问题。

本文从三元锂电池 BMS 安全管理的技术框架出发，讨论 SOX 四维的实现思路与工程路径，并结合 MS1632 单芯片 BMS 平台，说明高集成度方案在新国标充电宝场景下的适配性与实现思路。

一、为什么 SOC 不足以支撑三元锂电池安全管理

SOC（荷电状态）定义为剩余容量与额定容量的比值，是 BMS 最基本的输出量，也是用户感知最强的参数。

但对三元锂电池而言，仅依靠 SOC 进行安全管理仍存在以下问题：

能量评估偏差。电池老化后，可释放能量会随容量衰减发生变化。若仅以 SOC 为依据，在电池老化后期可能出现能量估计偏差，影响用户判断和保护策略的准确性。

健康状态缺失。电池经过长期循环后的容量衰减与内阻增长，是影响安全性能的关键因素。新国标 GB 47372—2026 要求标注“建议安全使用年限”，循环老化后析锂检测、智能调节充电电压等条款的落地，需要结合电池健康状态等数据进行管理。

功率能力未知。快充场景下的功率上限控制、低温条件下的降额策略，需要以 SOP，即电池在当前状态下可安全承受的最大功率为依据。三元材料在低 SOC、低温条件下的功率能力会发生变化，缺乏 SOP 评估可能导致过放或温升超标。

因此，SOX 并非概念上的扩展，而是三元锂电池安全管理向精细化发展的必然方向。

二、SOX 四维度概览与优先级

下表列出四个维度的基本定义，作为后续讨论的基础。

维度	全称	物理意义	单位	安全关联
SOC	State of Charge · 荷电状态	剩余容量 / 额定容量	%	过充过放保护基础
SOH	State of Health · 健康状态	容量或内阻相对初始状态的退化程度	%	寿命终止与安全预警
SOE	State of Energy · 能量状态	剩余能量 / 额定能量	Wh / %	可用能量评估
SOP	State of Power · 功率状态	安全工作区内的峰值功率能力	W / A	快充与脉冲负载保护

四个维度之间存在关联。SOC 是基础，SOH、SOE、SOP 均在不同程度上依赖 SOC 算法的中间结果。针对新国标充电宝应用场景，可围绕四个维度逐步展开：

SOC 作为基础状态量，SOH 用于健康状态评估，SOE 用于能量状态评估，SOP 用于功率状态评估。

后续章节按 SOC、SOH、SOE、SOP 的顺序展开。在讨论具体算法之前，先说明硬件基础与算法路线。硬件决定精度上限，算法路线决定各维度的实现方式，同时也会影响 BOM 成本。

三、硬件基础与算法路线

SOX 算法的精度上限由硬件决定，算法路线的选择则决定了各维度的具体实现路径，以下分别说明。

硬件基础

采样精度与同步性。电压与电流采样精度是 SOC 计算的前提。对于三元锂电池，电压采样精度直接影响 OCV 校准的准确度，而电流采样精度决定了库仑计数的误差水平。电压与电流采用双 ADC 同步采样，可用于动态负载下的积分计算。SOC 的库仑计数依赖电流积分，SOE 依赖功率积分，若采样不同步，动态负载下积分误差可能被放大。

计算与存储资源。SOX 四维全开需要占用 MCU 的 Flash 与 SRAM 资源，包括 OCV 曲线、Ra 阻抗表、Qmax 参数及各类中间变量。对于充电宝应用，需要结合模型精度、资源占用与成本进行配置。

通信与数据接口。BLE 等无线通信能力可用于数据显示，同时支持产线标定、固件升级与数据追溯。在大规模量产场景下，产测工具链会影响制造流程与产品一致性。

算法路线

算法路线可采用“OCV 校准 + 容量学习 + 内阻追踪”的电阻跟踪法，通过 OCV 校准、Qmax 容量学习与 Ra 内阻追踪对 SOC 估计值进行修正。新电芯导入时需要完成相应的电芯标定工作。

对于新国标充电宝场景，可采用高集成度的单芯片 BMS 方案，在硬件层面将 MCU、AFE、BLE 集成于一颗芯片内。以 MS1632 为例，32 位 48MHz MCU、最高 512KB Flash、12KB SRAM，配合 1-4 串 AFE 与 BLE，全集成于 QFN32 4mm×4mm 封装内，算法全部在片内执行，无需外挂 MCU，可简化供电电路与通信接口设计。需注意的是，四维功能全开时需要评估 12KB SRAM 及相关计算资源占用。

四、SOC：双基准方案

SOC 是 SOX 体系的基础，也是三元锂电池安全管理的核心参数。SOH 使用的 Qmax、SOE 使用的电压电流采样数据、SOP 使用的 Ra 表，均来源于 SOC 算法体系。

SOC 估计采用库仑计数与电阻跟踪法结合的架构：

库仑计数：电流对时间积分，动态负载下持续更新 SOC；

电阻跟踪法：通过 OCV 校准、Qmax 容量学习、Ra 内阻追踪三个环节，周期性修正 SOC 估计值，抑制积分漂移。

库仑计数用于连续更新 SOC，OCV 校准、Qmax 容量学习与 Ra 内阻追踪用于修正长期运行中的积分误差，从而维持 SOC 估算的稳定性。

SOC 精度需要结合电芯质量、采样精度、温度条件和标定结果进行验证。

对于充电宝这类碎片化使用场景，快速静置等效校准能力可改善长时间静置后的电量显示准确度。

五、SOH：多方法融合，避免单一指标误判

SOH 可用于描述电池在长期循环后的容量衰减与内阻变化，并为建议安全使用年限、循环老化状态评估及充电策略调整等功能提供状态数据。

从安全角度看，SOH 可用于提示用户电池寿命，并为保护策略提供依据。老化电池的内阻增大、发热加剧，充电策略需要相应调整。

实现 SOH 有三种常用方法：

容量法：SOH_C = 当前 Qmax / 设计容量 × 100%。Qmax 由 SOC 算法中的容量学习模块持续更新，可直接取用。Qmax 更新依赖较完整的充放电过程，更新周期受实际使用工况影响，需要和应用层配合实现。

内阻法：将 Ra 阻抗表中的实时内阻与初始内阻进行关联，用于评估退化程度。温度、SOC、瞬时负载均会对内阻值产生影响，因此需要在应用程序中加入相应的逻辑判断与滤波机制。

循环法：由 RTC 记录循环次数，作为寿命状态的参考数据，该信息也可用于新国标充电宝的状态管理。

三路数据加权融合后输出 SOH 数值。SOH 评估不能仅依据瞬时内阻，工程实现中需要引入滤波、延时与多指标交叉确认机制，避免数值跳变影响用户体验。

在 MS1632 单芯片平台上实现 SOH 具有便利性：三种评估方法中，有两种直接复用 SOC 算法的输出结果，无需独立实现，开发成本较低。加上应用逻辑上的配合，可以保证精度、功耗和效率的平衡。

六、SOE：剩余能量状态估计

SOE（State of Energy）即剩余能量，单位为 Wh。SOC 提供百分比信息，SOE 提供绝对能量数值，可用于向终端用户展示剩余能量信息：

航空运输限制依据的是 Wh 而非 mAh；

剩余可充电次数的计算，需要用剩余能量除以手机电池容量。

实现思路上，SOE 与 SOC 类似，均采用“积分 + 校准基准”的架构，区别在于前者积分功率（Wh）、后者积分电流（Ah）。在已有硬件平台上实现 SOE 时，可复用电压与电流采样，只需增加乘法与功率积分运算，相关工作主要集中在固件与应用层。考虑到 MS1632 的计算资源，可结合芯片集成的 BLE 功能，将部分复杂计算放到手机 APP 端实现。

实现过程中有两点需要注意：

1. 积分漂移同样需要校准。与 SOC 类似，功率积分长时间运行也会产生漂移，可利用 OCV 曲线计算能量积分作为基准，在静置条件下进行校准。

2. SOH 衰减后额定能量需同步折算，避免 SOH 与 SOE 的计算基准不一致。

总体而言，SOE 可在现有采样链路基础上实现。硬件无需改动，固件增加相应代码，APP 增加显示项和部分计算，即可形成从采样、计算到显示的数据链路。

七、SOP：技术上可实现，可用于特定充电宝场景

SOP（State of Power）估计的是电池在当前状态下可安全输出的最大功率。

SOP 可用于具备应急启动功能的充电宝应用。充电宝场景中与功率相关的需求，主要包括快充协议协商时的功率上限控制，以及脉冲负载下的保护，这些功能可根据产品需求采用相应的功率限制机制。

从安全角度看，SOP 评估对于三元锂电池具有实际意义。在低温、低 SOC、老化等条件下，电池的功率能力会发生变化，若不加以限制，可能导致电压跌落过快或温升超标。随着快充功率提升，SOP 可用于进一步完善功率管理策略。

实现 SOP 分两步：

第一步：直接利用 Ra 阻抗表中的内阻数据，通过 Imax = (UOCV - U_lim) / R 计算峰值电流，再折算成功率，可作为基础的功率限制实现方式。

第二步：采用 R0+R1C1 等效电路，实现 10s/30s 短时功率预测，结合温度与 SOC 区间进行动态调整。该方案需要结合算法与外围硬件完成 RC 参数提取。在 MS1632 方案中，可结合外围电路实现一定频率范围的参数提取。

在充电宝场景中，可先实现基于 Ra 表的峰值功率计算，并根据产品需求扩展到一阶 RC 短时功率预测，以及两轮车、便携储能等应用场景。

八、充电宝场景的落地路径

以上分别阐述了四个维度的技术要点，以下讨论面向新国标充电宝场景的落地实施路径。

第一阶段：SOC 精度收敛与 SOH 上线

核心目标：围绕 GB 47372—2026 新国标要求建立 SOC 精度基线。

1. SOC 精度基线建立。选取 2-3 款主流三元电芯，标定 OCV 与初始 Ra 表；覆盖常温、-20℃ 低温、45℃ 高温三种温度条件，以及新电芯与 300 次循环老化两种状态，共 6 组工况完成充放电循环测试，确立精度基线。目标：常温 ≤3%，老化低温 ≤5%，具体精度需结合电芯与标定结果验证。

2. SOH 三法联动实现。容量法、内阻法、循环法加权融合，重点在于引入滤波机制防止误报。

3. 新国标要求对齐。异常事件带时间戳存储、三码关联、欠压过压禁用等安全要点。

4. 产测流程固化。Qmax 初值烧录、电流校准、三码关联等工序固化为产线标准流程。

阶段产出：对应固件、产测 SOP、新国标自查表。

第二阶段：SOE 与 APP 可视化

核心目标：实现能量与健康数据的端到端贯通，使用户可通过 APP 查看相关数据。

1. SOE 功率积分实现。复用双 ADC 采样，通过功率积分累计剩余能量；以 OCV 能量积分作为基准进行校准；SOH 衰减后额定能量同步折算。

2. APP 可视化开发。剩余能量 Wh、可充电次数、SOH 健康度、循环次数等数据在 APP 端展示；异常记录支持查看与导出。

3. 端云协同探索。条件具备时可接入云端，开展群体数据分析，反向优化电芯模型。这部分需要品牌厂家配合，巨微的工程师在乘用车电池包的项目中已经做了工程实现。

阶段产出：SOE 固件、APP 版本、端云接口规范。

第三阶段：SOP 与场景拓展

核心目标：具备预测短时释放功率能力。