2026年7月起，两项关乎动力电池寿命与安全的新国标正式实施，其中电池健康度（SOH）的显示误差被强制要求不得超过5%，这标志着电池SOH预测从“幕后算法”走向了“车主可见”的监管时代。
一、新国标落地：SOH预测从“经验估算”升级为“强制准绳”
国标要求：2026年7月1日起实施的GB/T 46991.1-2025《电动汽车车载动力电池耐久性要求及试验方法 第1部分：轻型汽车》，明确要求车企向车主开放电池健康度查询，且系统显示值与实测值的误差不得超过5%。
同步升级：同期实施的GB 38031-2025《电动汽车用动力蓄电池安全要求》则提出“不起火、不爆炸”的强制性标准，将电池安全与寿命管理推入新阶段。
行业意义：两项新规相互配合，让SOH不再只是BMS内部的隐性参数，而成为车辆全生命周期管理中可被验证、可被监管的公开指标。
二、SOH评估核心：循环衰减与日历老化双轨并行
循环寿命：受充放电倍率、环境温度和放电深度影响显著，磷酸铁锂电池对放电深度的敏感度相对较低；低倍率、低温升、浅充浅放可有效延长循环次数。
日历寿命：搁置状态下的容量衰减主要受温度与储存SOC影响，低温（如0℃）与40%~60%SOC储存可显著延缓老化，主流磷酸铁锂电池在理想储存下可维持8至15年寿命。
容量与内阻：国标以容量衰减20%和内阻升至初始值2倍作为寿命判定临界点，二者是SOH预测模型中最核心的标定参数。
三、预测技术演进：从实验室解析到云端实时监测
传统方法：通过电芯寿命破坏性试验解析锂离子损失、材料塌陷等内部机理，但在实际应用中难以直接测量。
参数外推：当前主流方案基于电压、电流、温度等外部参数建立估算模型，并针对不同应用场景由主机厂定制算法。
智能预测：结合特征分析与V-PSA-LSTM等深度学习模型的SOH预估方法已在学术与工程领域展开探索；同时，无线电池管理系统（wBMS）等创新技术正推动电池状态监测走向全天候云端不间断模式，减少90%的电压线束与附属零部件，为高精度SOH预测提供更可靠的数据底座。