在電動汽車中我們要避免電池的過放電、過度充電和過熱等等，因為一次過放電就會造成電池的永久性損壞，過熱甚至會導致電池爆炸，這都是BMS（Battery Management System），即動力電池管理系統要嚴格控制的，其中控制的基礎參數便是SOC（State of Charge）。

什么是SOC？

SOC即電池的荷電狀態，定義為在一定的放電電流下，當前電池的剩余電量與總的可用電量的比值。通俗來講就是一個反應電池剩余電量的一個指標

在公式中，為電池的剩余電量；為蓄電池的總容量。

為什么要進行SOC估計？

SOC可以直接影響到電池的電壓、電流。當我們可以得知SOC時，也就知道了汽車的“油量”。而且電壓電流與動力輸出的效率、能量的管理都有著直接的關系，所以說SOC是BMS的一個“基礎參數”，很多管理方式都是基于SOC才能施行。

其次，避免過充過放的保護電路也是基于SOC實現的，當SOC到達指定的上限時，便會停止充電，起到保護電池壽命的作用，放電過程也是如此。

SOC估計也讓我們可以對每個電池的剩余電荷有所了解，通過一定的技術，可以將SOC少的電池與SOC多的電池均衡，使得SOC較慢到達充電上限或者放電下限，提高我們的總體充放電時間，提高續航能力。

由于SOC不能直接獲得，因此我們只能通過間接方式對SOC估算，估算方法大致分為三種，包括安式積分法、開路電壓法和卡爾曼濾波法。首先用表格粗略總結一下這幾個方法的優劣。

表1幾種常用的SOC****估算方法比較

安時積分法

安時積分法是最為常用的SOC估算方式。我們都知道Q=It，當電流是不斷變化時，通過對電流在一段時間的積分，便可以得到變化的電荷量。安時積分法也運用了同樣的原理，通過在一定時間內對電流進行積分，得到在這段時間內的電荷變化量，將初始電荷量減去變化的電荷量，便可以估算當前的SOC。

安時積分法較簡單，但是，當測量的電流值不準確時，SOC估算會有很大誤差；其次充放電效率的判定，在電流波動大和高溫狀態時會有明顯誤差；而且他對于初始的SOC是無法進行估計的，只能估計一段時間的SOC變化量。所以使用安時積分法時，要綜合考慮環境狀態等參數變化，并對估計得到的SOC進行修正，使得估算的結果更為準確。

開路電壓法

開路電壓法的主要思路是擬合開路電壓和SOC之間的關系，如圖1所示，當電池處于實際工作狀態時，通過得到的關系曲線，根據電池兩端的電壓得到當前電池的SOC。那么在實際過程中，如何擬合開路電壓和SOC之間的關系呢？

圖 1串聯式混合動力

在進行實際操作時，首先將電池電量充滿，之后經過一段時間的靜置，使電池內部電解質均勻分布，得到穩定的開路電壓。然后將電池以固定的放電倍率（一般取1C）進行放電，根據該放電過程得到電池SOC，從而建立開路電壓與SOC之間的關系曲線。為了得到準確的關系曲線，通常會經過大量反復試驗。

電池在充放電的初始和末尾階段，開路電壓變化明顯，此時估計比較準確。所以常使用開路電壓法對電池初始SOC進行估計，結果也比較準確。但是在測量開路電壓時必須將電池靜置1h以上，而且在不同環境溫度和電池壽命時，SOC差別較大，因此開路電壓法不適用于運行中的電池SOC估算，如果該方法單獨使用只能用于電動汽車駐車階段。

但是隨著電池技術的不斷發展，新型磷酸鐵鋰電池已經可以在不需要靜置的情況下使用開路電壓發進行估計，根據文獻所采用的18650磷酸鋰電池的充放電試驗發現，可以采用精簡開路電壓法對SOC估算，而且可以滿足精度要求。

測量內阻法

除了上述兩種方法外，還有測量內阻法，它與開路電壓法具有相似的原理，利用電池電阻與SOC存在線性關系對SOC估算。但其由于電池內阻難以測量和不斷變化，導致估算精度較低。

這些SOC估算方式各有其優缺點，在實際情況中一般不單獨使用，而是結合起來共同估算SOC。徐尖峰等人以開路電壓法估算SOC初值，然后使用測量內阻法修正通過電流積分得到的SOC，通過試驗分析，其誤差值在5%以內，可以較為精確估算SOC。

卡爾曼濾波法

卡爾曼濾波理論的核心思想是用狀態空間形式來表示動態系統，對動態系統的狀態做出最小方差意義上的最優估算。乍聽起來有點兒嚇人，對于這句話可以這么簡單理解：當你同時擁有兩個傳感器時，測量同一個信號，但是他們總歸有一些差別，那么如何獲得最優的結果呢？我們通常會對這兩個信號結果取平均，或者為了更加準確根據傳感器各自特性對結果進行加權平均，而卡爾曼濾波就類似于加權平均。

那么他是怎樣加權的呢？我們舉一個具體的例子，如圖2所示，橙色和灰色的兩個正態分布數據就是傳感器得到的結果，他們服從正態分布，通過卡爾曼濾波，我們可以得到最優估計為綠色的正態分布結果，在之后的估計中，我們就以綠色部分作為初始的估計值，一步一步迭代下去。

圖 2卡爾曼濾波原理圖

實際估計SOC時采用如圖3所示的流程。也就是兩個傳感器分別為開路電壓法獲得的曲線和等效電路模型，對這兩種方法的結果進行卡爾曼濾波獲得最優SOC估計。

**圖 **3卡爾曼濾波法SOC估計

使用卡爾曼濾波時，我們可以通過一次一次的迭代使得結果越來越趨向于真實值，因此對于初始值SOC要求不是很高，但是當“傳感器”精度下降或者有很大偏差時，SOC估計效果將會不甚理想，因此如何找到一個精確的等效模型是目前卡爾曼濾波面臨的問題。

SOC估計仍然是電池管理系統的一大重點和難點，文中介紹的SOC這三種估計方法，各有優劣，最為基本的就是開路電壓法和安時積分法，人們常常以這兩種方法為基礎，并結合別的估算方式對安時積分法進行修正，彌補各個方法的不足，例如采用測量內阻法，卡爾曼濾波以及一些卡爾曼濾波的變形等，提高SOC估算的精度。

隨著一步步深入研究，越來越多的SOC估算方法被提出，估算精度也相應的不斷提升，這將成為動力電池汽車發展的一大強勁助力。