电池供电物联网终端续航设计实战：从电流剖面到 Python 寿命估算工具

分类：物联网 ｜ 关键词：低功耗、LoRaWAN、NB-IoT、电池寿命估算、峰值电流、IoTDA

一、为什么"理论续航 5 年"的设备，半年就没电了？

做过电池供电终端（水表、烟感、温湿度、门磁、资产追踪器）的同学，大概率遇到过这样的场景：

• 方案评审时：电池容量 2600 mAh ÷ 平均电流 35 µA ≈ 8.5 年，大家很满意；
• 实际部署后：冬天一来，北方的设备成片"掉线"；拆回来测电池，电压还有 1.3 V/节，明明"还有电"。

问题不在于除法算错了，而在于这道除法只在实验室里成立。真实世界里，至少还有四个因素在悄悄吃掉续航：

1. 截止电压：系统在多少伏就"罢工"了？电池并不是放到 0 V 才算用完；
2. 温度：低温下电池内阻成倍上升，可用容量大幅缩水；
3. 自放电：放在那里不用，电池也在一点点流失电量，对"十年级"设备影响很大；
4. 峰值电流 × 内阻：射频发射瞬间的大电流会把电压"拽"下去，触发掉电复位。

本文用一个 LoRaWAN 温湿度节点作为例子，把这四个因素量化到一个不到 100 行的 Python 脚本里，并给出峰值电流、低温场景下的工程对策，最后介绍如何把电池状态上报到华为云 IoTDA，做到"提前换电"而不是"掉线才知道"。

二、第一步：把电流剖面画出来

续航估算的起点永远是电流剖面（current profile），而不是芯片手册首页的那个"超低功耗 xx µA"。

以一个典型的 LoRaWAN 节点为例（STM32L0 + SX1276 + 温湿度传感器，2 节 AA 串联直供），每 10 分钟上报一次，SF10：

平均电流：

两个值得注意的细节：

• 发射阶段占了约 74% 的电荷量，休眠只占约 7%。在这个工况下，与其花力气把休眠电流从 2.5 µA 压到 1 µA，不如优化扩频因子（ADR）、减少重传、合并上报。
• 上表的数值要用实测替换。推荐用功耗分析仪（如 Nordic PPK2、Joulescope、Keysight N6705 等）抓一个完整周期的波形，积分得到每个阶段的电荷量。仅凭手册"典型值"估算，误差常常在 30% 以上。

三、影响"可用容量"的四个因素

3.1 截止电压：系统在几伏"罢工"？

电池规格书上的容量，通常是放电到 0.9 V/节（碱性）测得的。但如果你的系统是 2 节串联直供，而 MCU/射频在 2.4 V（即 1.2 V/节） 以下就不能稳定工作，那么后面那一段电量你根本用不上。

以碱性电池低倍率放电曲线为参考，不同截止电压下的可用容量比例大致如下（示意值，请以所选电芯的规格书曲线为准）：

结论：系统最低工作电压每降低 0.1 V/节，可能多出 10%~20% 的续航。这也是很多长寿命产品宁可多花几毛钱，也要加一颗低静态电流升降压（buck-boost）芯片、把系统工作电压下探到 1.8 V 甚至更低的原因。

3.2 温度：低温是续航的头号杀手

化学电池在低温下电解液离子迁移变慢，表现为内阻上升、可用容量下降。以碱性电池为例，-20 ℃ 时内阻可能达到常温的 2~3 倍，可用容量可能只剩常温的一半左右；碳性电池更差。而锂铁（Li-FeS₂）、锂亚硫酰氯（Li-SOCl₂）等锂原电池在低温下表现好得多。

户外设备一定要按部署地最冷月来评估，而不是按 25 ℃ 实验室数据。

3.3 自放电：十年级设备不能忽略

对于平均电流只有几 µA 的设备，自放电甚至可能比负载本身消耗得还多。

3.4 峰值电流 × 内阻：看不见的"压降陷阱"

电池可以近似看作"理想电压源 + 内阻"。发射瞬间的端电压：

$$V_{load}=n \cdot (V_{oc}-I_{peak}\cdot R_{int})$$

新电池、常温下问题不大；但寿命末期 + 低温时，开路电压下降、内阻成倍上升，同样的峰值电流可能直接把电压拽到 MCU 的掉电复位（BOR）阈值以下。后面我们会用代码把这个问题算出来。

四、上代码：一个可复用的寿命估算脚本

下面的脚本把上述四个因素都建了模：

• 按阶段累加电荷，计算平均电流；
• 按截止电压、温度折算有效容量；
• 按月仿真负载消耗 + 自放电（自放电按剩余电量比例计算，比简单相减更接近实际）；
• 计算峰值电流下新电池 / 寿命末期的端电压。

"""低功耗 IoT 节点电池寿命估算 + 峰值压降检查（教学示例，参数请按规格书/实测替换）"""
from dataclasses import dataclass, field

@dataclass
class Phase:                 # 一个上报周期内的某个工作阶段
    name: str
    current_mA: float
    duration_s: float

@dataclass
class Chemistry:
    name: str
    cells: int               # 串联节数
    v_oc: float              # 新电池单节开路电压 (V)
    r_int: float             # 新电池单节内阻 (Ω, 25℃)
    capacity_mAh: float      # 低倍率放电到 0.9 V/节 的容量
    self_dis_yr: float       # 年自放电率
    r_eol_factor: float      # 寿命末期内阻放大倍数
    cold_r_factor: float     # -20℃ 内阻放大倍数
    cold_cap_factor: float   # -20℃ 可用容量系数
    usable: dict = field(default_factory=dict)  # 截止电压(V/节) -> 可用容量比例

def average_current_mA(phases, period_s, sleep_uA):
    q_active = sum(p.current_mA * p.duration_s for p in phases)          # mA·s
    t_active = sum(p.duration_s for p in phases)
    q_sleep = sleep_uA / 1000 * (period_s - t_active)
    return (q_active + q_sleep) / period_s, q_sleep / (q_active + q_sleep)

def life_years(chem, i_avg_mA, cutoff_V, cold=False, shelf_cap_yr=10):
    cap = chem.capacity_mAh * chem.usable[cutoff_V] * (chem.cold_cap_factor if cold else 1)
    remain, month = cap, 0
    while remain > 0 and month < shelf_cap_yr * 12:                    # 按月仿真
        remain -= i_avg_mA * 24 * 30 + remain * chem.self_dis_yr / 12  # 负载 + 自放电
        month += 1
    return cap, month / 12

def pulse_voltage(chem, i_peak_mA, v_oc_cell, eol=False, cold=False):
    r = chem.r_int * (chem.r_eol_factor if eol else 1) * (chem.cold_r_factor if cold else 1)
    return max(0.0, chem.cells * (v_oc_cell - i_peak_mA / 1000 * r))   # 线性模型，跌到 0 即视为崩溃

# 以下参数为常见 AA 电池的量级参考值，实际项目请替换为所选电芯规格书/实测数据
ALKALINE = Chemistry("碱性AA×2", 2, 1.55, 0.20, 2600, 0.03, 3.0, 2.5, 0.55,
                     {1.2: 0.60, 1.1: 0.80, 1.0: 0.92, 0.9: 1.00})
ZINC_C   = Chemistry("碳性AA×2", 2, 1.60, 0.60,  900, 0.06, 3.0, 3.0, 0.40,
                     {1.2: 0.50, 1.1: 0.70, 1.0: 0.88, 0.9: 1.00})
LI_FES2  = Chemistry("锂铁AA×2", 2, 1.75, 0.10, 3200, 0.01, 1.5, 1.5, 0.90,
                     {1.2: 0.95, 1.1: 0.98, 1.0: 1.00, 0.9: 1.00})

if __name__ == "__main__":
    lora = [Phase("mcu+sensor", 3.0, 0.50), Phase("lora_tx", 44.0, 0.35), Phase("lora_rx", 12.0, 0.20)]
    i_avg, sleep_share = average_current_mA(lora, 600, sleep_uA=2.5)
    print(f"LoRa 节点平均电流 {i_avg*1000:.1f} uA，休眠占比 {sleep_share*100:.1f}%\n")

    print("== 寿命估算（10 分钟上报）==")
    for c in (ALKALINE, ZINC_C, LI_FES2):
        for cut in (1.2, 1.0):
            row = [c.name, f"{cut} V/节"]
            for cold in (False, True):
                cap, yrs = life_years(c, i_avg, cut, cold)
                row.append(f"{cap:.0f} mAh / {yrs:.1f} 年")
            print(" | ".join(row))

    print("\n== 上报周期敏感性（碱性AA×2，截止 1.0 V/节，25℃）==")
    for period in (60, 300, 600, 1800, 3600):
        i, share = average_current_mA(lora, period, 2.5)
        _, yrs = life_years(ALKALINE, i, 1.0)
        print(f"{period:>5}s | {i*1000:6.1f} uA | 休眠占比 {share*100:4.1f}% | {yrs:4.1f} 年")

    print("\n== 休眠电流敏感性（30 分钟上报）==")
    for s_uA in (1, 2.5, 5, 10, 20):
        i, share = average_current_mA(lora, 1800, s_uA)
        _, yrs = life_years(ALKALINE, i, 1.0, shelf_cap_yr=30)
        print(f"休眠 {s_uA:>4} uA | {i*1000:5.1f} uA | {yrs:4.1f} 年(不计货架上限)")

    print("\n== NB-IoT 250 mA 峰值压降（寿命末期 OCV=1.15 V/节）==")
    for c in (ALKALINE, ZINC_C, LI_FES2):
        for cold in (False, True):
            v_new = pulse_voltage(c, 250, c.v_oc, cold=cold)
            v_eol = pulse_voltage(c, 250, 1.15 if c is not LI_FES2 else 1.45, eol=True, cold=cold)
            flag = "  <-- 低于 1.8 V，系统会掉电复位" if v_eol < 1.8 else ""
            print(f"{c.name}{'(-20℃)' if cold else '(25℃)'} | 新电池 {v_new:.2f} V | 末期 {v_eol:.2f} V{flag}")

说明：寿命仿真默认设了 10 年上限，代表电池货架寿命、密封老化等因素带来的实际天花板。"十年以上"的理论值在工程上意义不大。

五、运行结果与解读

5.1 不同电池 × 截止电压 × 温度（10 分钟上报，平均 34.7 µA）

同样是碱性电池、同样的固件，"1.2 V 截止 + -20 ℃"只有 2.8 年，"1.0 V 截止 + 25 ℃"有 7.2 年，相差 2.5 倍以上。开头那个"理论 8.5 年、实际半年掉线"的故事，基本就是这样来的。

5.2 上报周期敏感性（碱性 AA×2，截止 1.0 V/节，25 ℃）

5.3 休眠电流敏感性（30 分钟上报，不计货架上限）

三个结论：

1. 高频上报时，优化"发射"；低频上报时，优化"休眠"。 1 分钟上报时休眠占比不到 1%，压休眠电流几乎没有意义；60 分钟上报时休眠占比超过 30%，几 µA 的漏电就很关键了。
2. "小漏电"要逐项排查。 休眠从 2.5 µA 变成 20 µA（比如一个忘记关的上拉电阻、一颗静态电流偏大的 LDO、一个漏电偏大的储能电容），寿命直接少一半。
3. 系统最低工作电压是"免费的续航"。 截止电压从 1.2 V/节降到 1.0 V/节，碱性方案寿命从 4.9 年提升到 7.2 年，固件一行没改。

六、峰值电流：最容易被忽视的"掉线元凶"

NB-IoT / Cat.1 模组在弱信号、高功率发射时，峰值电流可达数百 mA（具体以模组手册为准）。脚本对 250 mA 峰值的估算结果如下：

这里最危险的不是"没电"，而是**“复位死循环”**：

发射 → 电压被拽到 BOR 以下 → MCU 复位 → 电压回升（空载电压还挺高）
     → 重新启动、入网、再发射 → 再次复位 → ……

设备在这个循环里会以远高于正常的速度耗尽残余电量，而且平台侧只能看到"频繁上线又掉线"，很难定位。

工程对策

1. 储能电容"削峰"

让电容在发射瞬间提供峰值电流，电池只需要提供平均电流。所需电容量的粗略估算：

$$C \geq \frac{I_{peak}\cdot t_{pulse}}{\Delta V}$$

例如 LoRa 发射 44 mA × 0.35 s，允许电容压降 0.3 V：C ≥ 0.044 × 0.35 / 0.3 ≈ 51 mF。可以选用低漏电的超级电容或锂离子电容（锂亚电池方案中常见的 HLC 就是这个思路）。注意：电容自身的漏电流会计入休眠电流，选型时要看漏电指标。

2. 发射前"预检"负载电压

不要只测静置电压。静置电压对剩余电量的分辨率很差，负载电压（发射过程中或发射结束瞬间的电压）才是真正的"健康指标"。

/* 伪代码：在 TX 期间采样电池电压，作为低电量判定依据 */
static uint16_t vbat_idle_mV, vbat_tx_mV;

void before_tx(void) {
    vbat_idle_mV = adc_read_vbat_mV();      // 发射前（近似开路电压）
}

void on_tx_peak_timer(void) {               // 发射开始后 ~50 ms 触发
    vbat_tx_mV = adc_read_vbat_mV();        // 负载电压
}

bool battery_low(void) {
    // 阈值按 BOR 阈值 + 余量设定，并结合温度补偿
    return vbat_tx_mV < (BOR_THRESHOLD_mV + 250);
}

3. 低电量降级策略

检测到负载电压逼近阈值时：降低发射功率 / 改用更高速率、拉长上报周期、只上报告警数据，并在复位次数异常时进入"保护模式"（例如连续 3 次因 BOR 复位，就进入长休眠，只保留最低限度的告警上报），避免复位死循环。

七、电池化学选型速查

几点经验：

• 碳性电池不适合有射频峰值电流的 IoT 终端，它的优势在于低成本、低电流、易更换的场景；
• 户外 + 低温 + 中等脉冲，优先考虑锂铁电池；
• 锂亚电池容量大、自放电极低，但存在钝化效应，长时间静置后首次大电流放电会出现电压滞后，需要配合储能电容或做好激活设计；
• 1.5 V 恒压锂电池的电压在大部分放电过程中几乎不变，用"测电压估电量"的老办法会失效，需要换用库仑计数或"负载电压 + 次数"综合判断。

八、把电池状态"上云"：基于华为云 IoTDA 的低电量预警

续航估算做得再好，现场也总有意外（极端低温、信号差导致重传增多、批次差异）。最可靠的做法是让设备持续上报电池相关数据，在平台侧做趋势判断，在掉线之前安排换电。

8.1 产品模型设计

在 IoTDA 控制台为产品新增一个 Battery 服务，建议包含以下属性：

8.2 设备侧上报

设备通过 MQTT 向属性上报 Topic 发布消息：

Topic: $oc/devices/{device_id}/sys/properties/report

{
  "services": [
    {
      "service_id": "Battery",
      "properties": {
        "vbat_idle_mV": 3020,
        "vbat_tx_mV": 2860,
        "temperature_c": -8.5,
        "tx_count": 52314,
        "bor_reset_count": 0
      }
    }
  ]
}

LoRaWAN 等非 IP 设备通常经网关/网络服务器转发，可以在边缘或编解码插件中把原始字节解析成上述属性格式；电压字段用 2 字节整数上传即可，不必为它额外增加空口开销。

8.3 平台侧判定建议

• 不要用单点阈值告警：低温夜间负载电压本就偏低，单点阈值容易误报。建议用"同温度区间下的负载电压趋势"判断；
• vbat_tx_mV 与 vbat_idle_mV 的差值变大，说明内阻在上升，是电池进入末期的典型信号；
• bor_reset_count 一旦增长，应直接触发高优先级告警，这往往意味着设备已接近"复位死循环"；
• 可以通过 IoTDA 的数据转发规则，把这些属性转发到时序数据库或数据分析服务，按设备批次、部署区域做统计，为下一代产品选型提供真实数据。

九、设计检查清单

上线前，建议逐项确认：

• [ ] 用功耗分析仪实测了完整周期的电流波形，而不是只看手册典型值；
• [ ] 明确了系统最低工作电压，并据此折算了电池可用容量；
• [ ] 按部署地最冷月温度评估了容量和内阻；
• [ ] 计入了自放电和货架寿命上限；
• [ ] 用寿命末期 + 低温的内阻验算了峰值电流下的端电压，有足够余量；
• [ ] 储能电容的漏电流已计入休眠电流；
• [ ] 固件中有负载电压采样、低电量降级和防复位死循环机制；
• [ ] 设备会上报电池状态，平台侧有趋势预警而非仅单点阈值。

十、结语

电池寿命估算不是一道简单的除法，而是一个"电流剖面 × 电池特性 × 环境条件"的系统问题。把截止电压、温度、自放电、峰值内阻压降这四个因素量化之后，你会发现：很多"续航问题"并不需要换更大的电池，而是可以通过降低系统最低工作电压、合理选择电池化学体系、加一颗储能电容、改一下上报策略来解决。

文中的脚本参数都是量级参考值，欢迎大家替换成自己项目的实测数据跑一跑。如果你在电池选型或低功耗设计上踩过有意思的坑，也欢迎在评论区交流。

参考资料

1. IEC 60086-1 / IEC 60086-2：原电池通用要求与物理、电气规格
2. 各电池厂商公开的产品规格书与放电曲线（不同温度、不同负载条件）
3. 华为云 IoTDA 官方文档：产品模型定义、设备属性上报（MQTT Topic：$oc/devices/{device_id}/sys/properties/report）