SOC，State of Charge，電池荷電狀態(tài)，是反應(yīng)電池包內(nèi)當前電量占總體可用容量百分比的一個參數(shù)。駕駛員根據(jù)滿電狀態(tài)總的里程數(shù)，可以推斷出當前電量的續(xù)航能力。同時是作為動力電池性能的重要評價指標,是判斷動力電池是否過充電、過放電，保證高效均衡，亦是動力電池安全、可靠運行的重要保障。與電壓電流等基礎(chǔ)參數(shù)的檢測方法不同，電池SOC值無法直接測量，只能通過對基礎(chǔ)參數(shù)電池端電壓、電流、內(nèi)阻、溫度等的綜合分析，并利用算法估算獲取，且易受環(huán)境、老化及工況等因素影響。

本文將對目前市面上應(yīng)用最多的幾種SOC估算算法進行闡述。

一、安時積分法+開路電壓法估算SOC

開路電壓法是最簡單的 SOC 估算方法。在靜態(tài)條件下,電池的開路電壓 OCV與SOC之間存在比例關(guān)系，通過檢測電池的 OCV 值即可得出相應(yīng)的 SOC 值，利用電池靜置狀態(tài)的 OCV 值通過查來估算 SOC 初值。

開路電壓法的不足之處是:由于回滯效應(yīng)的存在，停止充放電后電壓在一定時間內(nèi)電壓會小幅度的降低，電池組需停止充放電且靜置一定時間才能準確檢測電池組的OCV 值,按照相關(guān)經(jīng)驗統(tǒng)計，鋰電池約需要 30 min 來完全消除回滯。安時積分法是在電池組充放電過程中通過對電流在時間上進行積分運算，計算電池組使用電量的變化來估算SOC。該方法將電池組視作一個封閉系統(tǒng),在進行剩余電量估算時,僅需對電池組的充放電電量進行計量并累加,將時間上累積的充放電電量與滿電荷電狀態(tài)的額定電量的比值來進行電池組當前電量的估算。通過安時積分法來計算當前狀態(tài)SOC 的公式具體如下:

式中：SOC0為滿電荷電狀態(tài)；QN 為電池組標稱容量；i為電池組充放電電流；η為充放電效率。

安時積分法的不足之處是：一方面在電池組的生命周期中，隨著使用周期的推移SOC估算誤差會積累得越來越大；另一方面依賴于充放電電流的采樣精度，若電流采樣精度較低易造成準確性嚴重降低。

考慮到目前成本及硬件的算力，并結(jié)合開路電壓法和安時積分法的優(yōu)劣勢，開路電壓法+安時積分法是目前市面使用最多，應(yīng)用最廣泛的SOC算法，在不同場景下結(jié)合使用兩種算法可有效提高SOC估算精度，例如在靜態(tài)條件下,電池的開路電壓 OCV與SOC之間存在比例關(guān)系，通過OCV讀取對應(yīng)SOC值來校正在電池組的生命周期中，隨著使用周期的推移SOC估算誤差。

二、卡爾曼濾波算法估算SOC

電池的SOC受多種因素的影響，并且會隨著用戶駕駛模式的改變而不斷發(fā)生變化?？柭鼮V波的目的是從數(shù)據(jù)流中除去噪聲干擾。它是通過預(yù)測新的狀態(tài)和它的不確定性，然后用新的測量值校準預(yù)測值來實現(xiàn)的。

卡爾曼濾波算法也是估算SOC值的一種有效算法，一般地，Kalman濾波器算法都是基于以下兩條基本方程的：

其中上式別稱為狀態(tài)方程，下式被稱為量測方程，其中Xk 是系統(tǒng)的狀態(tài)變量，Zk 是系統(tǒng)的觀測變量，系統(tǒng)的過程激勵噪聲與觀測噪聲分別用隨機信號Wk 和Vk 表示，  表示系統(tǒng)激勵。

在大功率電池的工作過程中，一般以電池的工作電流ik 作為系統(tǒng)激勵，即在上式中  = ik ；另外，一般以電池兩端的工作電壓Uk 作為觀測變量，即使Zk = Uk 。

與其他估算方法相比，應(yīng)用卡爾曼濾波算法有以下幾點好處：

第一，任何時刻均適用。開路電壓法只適用于電池閑置一段時間，電壓回彈比較充分的情況，而在電池正常工作的情況下，使用開路電壓法是不準確的。而卡爾曼濾波算法是適用任何狀態(tài)下的電池，無論電池處于閑置、放電、能量回收等任何狀態(tài)。

第二，有助于修正初始值。安時積分法比較致命的缺點是對初始值依賴性以及誤差累積，若SOC的初始值計算有誤差，則這樣的誤差將一直累積?？柭鼮V波算法則能克服這個不足，任何時候都可以對這樣的誤差進行修正，即使SOC 的初始值的誤差很大，經(jīng)過一段時間以后，濾波器也會把這樣的誤差消除掉。

第三，有助于優(yōu)化傳感器精度不足的問題。BMS受成本及可靠性等多方面因素的制約，傳感器的精度有時會發(fā)生漂移，從而導(dǎo)致SOC的評估誤差較大，而卡爾曼濾波算法就有助于克服這一缺陷。其原理可類比于對一個被測量的對象進行多次觀察，從而克服隨機誤差。

第四，有助于消除電磁干擾的影響。電池狀態(tài)監(jiān)測不準確有一部分原因來源于傳感器所受的電磁干擾，在電動汽車上，這樣的電磁干擾是尤為突出的。采用了卡爾曼濾波算法有助于消除電磁干擾的影響。當然，從理論分析可知，卡爾曼濾波算法只是有助于消除那些服從正態(tài)分布的噪聲。

三、神經(jīng)網(wǎng)絡(luò)算法估算SOC

神經(jīng)網(wǎng)絡(luò)由大量的神經(jīng)元通過相互連接而形成網(wǎng)絡(luò)，常用來模擬復(fù)雜的非線性系統(tǒng)動力學特性。電池具有復(fù)雜的非線性特性，很難從機理角度建立電池SOC模型,因此很適合用神經(jīng)網(wǎng)絡(luò)來建立模型。電池S0C神經(jīng)網(wǎng)絡(luò)模型以電池的電壓、電流及溫度作為系統(tǒng)的輸入量，以電池S0C作為系統(tǒng)的輸出量，電池S0C神經(jīng)網(wǎng)絡(luò)模型不用涉及電池內(nèi)部的工作機理,只是用神經(jīng)網(wǎng)絡(luò)逼近系統(tǒng)輸入量與輸出量之間的非線性關(guān)系。

以BP人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于SOC估算為例，BP人工神經(jīng)網(wǎng)絡(luò)將大量功能簡單的神經(jīng)元通過一定的拓撲結(jié)構(gòu)組織起來，構(gòu)成群體并行處理的計算機構(gòu)。根據(jù)神經(jīng)元的不同連接方式，可將神經(jīng)網(wǎng)絡(luò)分為兩類：分層神經(jīng)網(wǎng)絡(luò)和相互連接型神經(jīng)網(wǎng)絡(luò)。根據(jù)動力電池數(shù)據(jù)采集及SOC估算特點，采取多層前向型神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)如下：

此結(jié)構(gòu)一般分為輸入層、隱含層和輸出層。輸入層連接外部輸入信號，由各輸入單元將輸入信號傳送給隱含層的各單元。隱含層是神經(jīng)網(wǎng)絡(luò)的內(nèi)部處理單元層，隱含層可以有多層，也可以一層也沒有。輸出層產(chǎn)生神經(jīng)網(wǎng)絡(luò)的輸出信號。

BP人工網(wǎng)絡(luò)模用于非線性函數(shù)的擬合，以非線性函數(shù)輸入輸出數(shù)據(jù)訓練網(wǎng)絡(luò)，使訓練后的網(wǎng)絡(luò)能夠?qū)崿F(xiàn)對非線性函數(shù)的預(yù)測，使用電池測試平臺測試電池參數(shù)，通過收集到的大量參數(shù)（單體電池電壓、單體溫度、總電流及總電壓等）作為神經(jīng)網(wǎng)絡(luò)訓練網(wǎng)絡(luò)數(shù)據(jù)。

神經(jīng)網(wǎng)絡(luò)的不足之處是：對于復(fù)雜的非線性系統(tǒng)，神經(jīng)網(wǎng)絡(luò)預(yù)測的準確性和訓練數(shù)據(jù)的多少有較大關(guān)系，如果缺乏足夠的數(shù)據(jù)，網(wǎng)絡(luò)的預(yù)測可能存在較大的誤差，同時由于成本、硬件算力等問題，在實際應(yīng)用中該種算法并不能起到很好的在線預(yù)測作用。

四、其他小眾算法估算SOC

1.模糊邏輯算法

模糊邏輯是從含糊、模棱兩可或不精確的信息中提煉出確切結(jié)論的簡單的方法。它從近似數(shù)據(jù)中找到確切答案的工作能力類似于人類的決定。

不同于經(jīng)典邏輯，需要一個系統(tǒng)的深刻理解、精確方程和準確的數(shù)值，模糊邏輯允許使用來源于我們的知識和經(jīng)驗的更高的抽象提煉來建模。它允許用諸如大、小、非常熱明亮的紅色、長時間、快或慢這樣的主觀概念來表達這種知識。這種對專業(yè)知識定性的語言描述更像是一種天性而不是對一個系統(tǒng)的數(shù)值描述，并且與數(shù)值系統(tǒng)相比，它的算法開發(fā)相對簡單。系統(tǒng)的輸出可以被映射到精確的數(shù)值范圍來表征系統(tǒng)特性。模糊邏輯廣泛應(yīng)用于自動化控制系統(tǒng)。使用這種技術(shù)，可以用上所有能獲取的表征電池性能的信息來得出對電池SoC或者SoH更準確的估計。

2.內(nèi)阻法

一般將電池內(nèi)阻分為交流阻和直流內(nèi)阻。交流阻抗是一個復(fù)數(shù)變量，表示電池對交流電的反抗能力，可用交流阻抗儀來測量。直流內(nèi)阻表示電池對直流電的反抗能力，其大小可以用在同一很短的時間段內(nèi)，電池電壓變化量與電流變化量的比值來計算。

有大量的實驗證明，電池的交流阻抗和直流內(nèi)阻都與SOC有密切關(guān)系。如果能夠通過電池樣本得出確定的函數(shù)關(guān)系，則可以通過實時監(jiān)測電池的內(nèi)阻來估算出SOC值。這就是內(nèi)阻法的基本思想。

內(nèi)阻法的不足之處是：

（1）電池內(nèi)阻與SOC之間的關(guān)系很復(fù)雜,電池內(nèi)阻不僅與 SOC有關(guān)，還與溫度、SOH 等因素有關(guān)，尚未得出準確的廣泛適用的結(jié)論,并不能說一個內(nèi)阻狀態(tài)與一個確定的 SOC 值對應(yīng);

（2）電池內(nèi)阻是一個毫歐級的值，由于數(shù)值太小，利用常規(guī)測量電路難以準確測量，同時電動汽車上存在較為復(fù)雜的電磁干擾，也使得難以對電池內(nèi)阻實施準確測量；

（3）即使是同一廠家同一型號同一批次的電池，其內(nèi)阻也存在較大差異。這是由電池的物理化學特性決定的，這種產(chǎn)品公差無法消除，難以通過電池樣本來獲得電池的“內(nèi)阻-SOC”特性曲線。

五、總結(jié)

對于汽車而言，保證安全是第一位需要考慮的，因此，剩余容量的估算誤差是絕對不能威脅到人和車的安全。但電池荷電狀態(tài)的估算要做到100%準確是很困難的，只能在一定條件下提高估算的精度。然而，精度的提高需要兼顧到系統(tǒng)的可行性，包括技術(shù)可行性與成本可行性兩個方面。

1、從軟件算法的角度，需考慮技術(shù)可行性。

隨著數(shù)字信號處理技術(shù)與人工智能學科的發(fā)展，在過去的幾十年間，有許多復(fù)雜的計算方法被提出，從而提高了數(shù)值處理的準確性。然而，對于電動汽車這一特殊的應(yīng)用而言，剩余電量估算的算法不能過于復(fù)雜，因為車用電池管理系統(tǒng)基本上都依賴于嵌入式系統(tǒng)，運算能力有限，內(nèi)存空間也有限。這要求電池管理系統(tǒng)的設(shè)計者要針對嵌入式系統(tǒng)選擇合適的算法，使得系統(tǒng)能有效地對剩余電量進行實時評估

2、從硬件的角度，需考慮成本可行性。

無論軟件算法多么精妙，剩余電量的評估還是離不開對電池狀態(tài)的準確監(jiān)測。而監(jiān)測的準確性主要依賴于硬件。誠然，選擇高精度的硬件，增加傳感器的數(shù)量，對于剩余電量的評估有著積極的意義:但是，硬件數(shù)量和質(zhì)量的提升無可避免地帶來了成本的增加。因此，需要在硬件成本與估算精度之間作出取舍。