眾所周知，電動汽車的最核心部分是動力電池，動力電池的重要性不言而喻。而動力電池的SOC顯示則是動力電池管理工作的關鍵內(nèi)容。

SOC(Stateofcharge)，即荷電狀態(tài)，用來反映電池的剩余容量，其數(shù)值上定義為剩余容量占電池容量的比值，常用百分數(shù)表示。其取值范圍為0~1，當SOC=0時表示電池放電完全，當SOC=1時表示電池完全充滿。

電池SOC不能直接測量，只能通過電池端電壓、充放電電流及內(nèi)阻等參數(shù)來估算其大小。而這些參數(shù)還會受到電池老化、環(huán)境溫度變化及汽車行駛狀態(tài)等多種不確定因素的影響，因此準確的SOC估計已成為電動汽車發(fā)展中亟待解決的問題。

二、SOC的影響因素及特征參數(shù)

三、SOC的估算方法概述準確估算電池SOC

一方面來源于電動汽車的要求，從充分發(fā)揮電池能力和提高安全性兩個角度對電池進行高效管理;另一方面，電動汽車電池在使用過程中表現(xiàn)的高度非線性，使準確估計SOC具有很大難度。兩方面的結(jié)合，使得電動汽車電池SOC估算方法的選擇尤為重要。電動知家梳理用來估算SOC的方法已經(jīng)出現(xiàn)了很多種，既有傳統(tǒng)的放電試驗法、安時計量法、電池內(nèi)阻法、開路電壓法、負載電壓法，也有較為創(chuàng)新的Kalman濾波法、模糊邏輯理論法和神經(jīng)網(wǎng)絡法等，各種估算方法都有自己的優(yōu)缺點。

(1)放電試驗法

放電試驗法是將目標電池進行持續(xù)的恒流放電直到電池的截止電壓，將此放電過程所用的時間乘以放電電流的大小值，即作為電池的剩余容量。該方法一般作為電池SOC估算的標定方法或者用在蓄電池的后期維護工作上，在不知道電池SOC值的情況下采用此方法，相對簡單、可靠，并且結(jié)果也比較準確，同時對不同種類的蓄電池都有效。但是放電試驗法也存在兩點不足：第一，該方法的試驗過程需要花費大量的時間;第二，使用此方法時需要將目標電池從電動汽車上取下，因此該方法不能用來計算處于工作狀態(tài)下的動力電池。

(2)安時計量法

安時計量法(amperehour，簡稱AH)，又稱電流積分法，安時積分法，安時計量法的原理是將電池在不同電流下的放電電量等價為某個具體電流下的放電電量，其主要思想是Peukert方程。由此，得到以下等效放電電量公式：

電池基礎知識你必須了解的SOC知識

安時計量法計算電池SOC是相對較簡單的方法，該方法只是關注該系統(tǒng)的外部特征，在電量估算過程中，只關心流進和流出電池的電量。安時計量法采用積分法實時計算電池充入與放出的容量，通過長時間記錄與計算電池的電量，最終可得到電池在某一時刻所剩余電量。該方法容易實現(xiàn)，但由于沒有從電池內(nèi)部得到電池SOC與充放電電量的關系，只是記錄充放電電量，從而會導致電池SOC累計誤差，結(jié)果精度較低，而且該方法不能確定電池的初始值。綜合考慮電池SOC的影響因素，進行電量補償，可以適當提高安時計量法的精度。

(3)開路電壓法

開路電壓法是根據(jù)電池的開路電壓(OpenCircuitVoltage，OCV)與電池內(nèi)部鋰離子濃度之間的變化關系，間接地擬合出它與電池SOC之間的一一對應關系。在進行實際操作時，需要將電池充滿電量后以固定的放電倍率(一般取1C)進行放電，直到電池的截止電壓時停止放電，根據(jù)該放電過程獲得OCV與SOC之間的關系曲線。當電池處于實際工作狀態(tài)時便能根據(jù)電池兩端的電壓值，通過查找OCV-SOC關系表得到當前的電池SOC。盡管該方法對各種蓄電池都有效，但也存在自身缺陷：首先，測量OCV前必須將目標電池靜置1h以上，從而使電池內(nèi)部電解質(zhì)均勻分布以便獲得穩(wěn)定的端電壓;其次，電池處于不同溫度或不同壽命時期時，盡管開路電壓一樣，但實際上的SOC可能差別較大，長期使用該方法其測量結(jié)果并不能保證完全準確。因此，開路電壓法與放電試驗法一樣，并不適用于運行中的電池SOC估算。

(4)內(nèi)阻法

內(nèi)阻測量法是用不同頻率的交流電激勵電池，測量電池內(nèi)部交流電阻，并通過建立的計算模型得到SOC估計值。該方法測量得到的電池荷電狀態(tài)反映了電池在某特定恒流放電條件下的SOC值。由于電池SOC和內(nèi)阻不存在一一對應的關系，不可能用一個數(shù)學來準確建模。所以，該方法很少使用于電動汽車。

(5)線性模型法

線性模型法原理是基于SOC的變化量、電流、電壓和上一個時間點SOC值，建立的線性模型，這種模型適用于低電流、SOC緩變的情況，對測量誤差和錯誤的初始條件，有很高的魯棒性。線性模型理論上可應用于各種類型和在不同老化階段的電池，但目前只在鉛酸電池上有實際應用，由于變化的SOC與電流、電壓的關系式不具有通用性，所以在其他電池上的適用性及變電流情況的估計效果要進一步研究。

(6)卡爾曼濾波法

卡爾曼濾波法是建立在安時積分法的基礎之上的?？柭鼮V波法的主要思想，是對動力系統(tǒng)的狀態(tài)做出最小方差意義上的最優(yōu)估計。該方法應用于電池SOC估計，電池被視為一動力系統(tǒng)，荷電狀態(tài)為系統(tǒng)的一個內(nèi)部狀態(tài)。該算法的本質(zhì)在于可以根據(jù)最小均方差原則，對復雜動態(tài)系統(tǒng)的狀態(tài)做出最優(yōu)化估計。非線性的動態(tài)系統(tǒng)在卡爾曼濾波法中會被線性化成系統(tǒng)的狀態(tài)空間模型，在實際應用時系統(tǒng)根據(jù)前一時刻的估算值與當前時刻的觀測值對需要求取的狀態(tài)變量進行更新，遵循“預測—實測—修正”的模式，消除系統(tǒng)隨機存在的偏差與干擾。

由于Kalman濾波法不僅能夠修正系統(tǒng)初始誤差，還能有效地抑制系統(tǒng)噪聲，因此在運行工況非常復雜的電動汽車動力電池的SOC估算中，具有顯著的應用價值。

不過該方法同樣存在兩點缺陷：其一，Kalman濾波法估算SOC的精度很大程度上取決于電池模型的準確程度，工作特性本身就呈高度非線性化的動力電池，在Kalman濾波法中經(jīng)過線性化處理后難免存在誤差，如果模型建立得不夠準確，其估算的結(jié)果也并不一定可靠;其二，該方法涉及的算法非常復雜，計算量極大，所需要的計算周期較長，需要需高運算能力的單片機。

(7)神經(jīng)網(wǎng)絡法

神經(jīng)網(wǎng)絡法是模擬人腦及其神經(jīng)元用以處理非線性系統(tǒng)的新型算法，無需深入研究電池的內(nèi)部結(jié)構(gòu)，只需提前從目標電池中提取出大量符合其工作特性的輸入與輸出樣本，并將其輸入到使用該方法所建立系統(tǒng)中，就能獲得運行中的SOC值。該方法后期處理相對簡單，即能有效避免Kalman濾波法中需要將電池模型作線性化處理后帶來的誤差，又能實時地獲取電池的動態(tài)參數(shù)。但是神經(jīng)網(wǎng)絡法的前期工作量比較大，需要提取大量且全面的目標樣本數(shù)據(jù)對系統(tǒng)進行訓練，所輸入的訓練數(shù)據(jù)和訓練的方式方法在很大程度上都會影響SOC的估計精度。此外，在電池溫度、自放電率和電池老化程度不統(tǒng)一等因素的復雜作用下，長期使用該方法估算同一組電池的SOC值，其準確性也會大打折扣。因此，在動力電池的SOC估算工作中該方法并不多見。

(8)其他方法

近年來，SOC的各種估算方法層出不窮，如支持向量回歸法、模糊邏輯算法、“離線計算、在線查表”的模糊控制方法、分析法等等。

五、總結(jié)

在實際的電動汽車中用于估算SOC的方法都是基于傳統(tǒng)方法，即在安時積分的基礎上加入一些影響因子的校正，其缺點是SOC的估算結(jié)果存在很大的誤差，目前應用于電池管理系統(tǒng)的SOC估算技術(shù)還不是很成熟，雖然用于電池SOC估算方法種類之多，但各種方法都存在著一定的缺陷，難以滿足SOC實時在線、高精度估計的要求。未來SOC估算方法的研究，電動知家認為將從以下四個方面進行完善，首先，通過大量實驗，建立豐富的數(shù)據(jù)庫，使得SOC估算有據(jù)可依，有據(jù)可查;其次，依靠硬件方面的技術(shù)，提高電流、電壓等的測量精度，保證用于估算SOC的基本數(shù)據(jù)的準確性;第三，引入準確的電池模型，更真實地表征電池在使用過程中的動態(tài)特性;最后，綜合各種算法，揚長補短，對SOC不同階段引入不同的校正方法，最大程度地減少不同狀態(tài)下的誤差，提高其估算精度。