一、?SOC的含義

SOC，全稱是StateofCharge，荷電狀態(tài)，也叫剩余電量，用來(lái)反映電池的剩余容量，其數(shù)值上含義為剩余容量占電池容量的比值。假如以電池充滿狀態(tài)含義為SOC=1，含義式可表示為

或

式中，QC為電池剩余的電量，CI為電池以恒定電流I放電時(shí)所具有的容量，Q為已放出電量。

注：目前業(yè)內(nèi)關(guān)于電池充滿一般含義為：在一定溫度(如20度)下以一定電流(如0.3C)充電，達(dá)到單體最高電壓后轉(zhuǎn)為恒壓充電，直到充電電流小于一定值(如0.03C)；關(guān)于電池放空(SOC為0%)也有類似的含義。

過(guò)針刺 低溫防爆18650 2200mah

符合Exic IIB T4 Gc防爆標(biāo)準(zhǔn)

充電溫度：0~45℃
-放電溫度：-40~+55℃
-40℃最大放電倍率：1C
-40℃ 0.5放電容量保持率≥70%

點(diǎn)擊詳情

美國(guó)先進(jìn)電池聯(lián)合會(huì)（USABC）的《電動(dòng)汽車電池實(shí)驗(yàn)手冊(cè)》中將SOC含義如下：在指定的放電倍率下，電池剩余電量與等同條件下額定容量的比值。

式中，Q0為電池剩余的電量，QN為電池在等同條件下額按時(shí)所具有的容量。此外還有日本本田公司的電動(dòng)汽車（EVPlus）含義SOC如下：

二、SOC及估算的意義

在新能源汽車的運(yùn)行中要動(dòng)力鋰電池供應(yīng)動(dòng)力源，而電池荷電狀態(tài)預(yù)測(cè)器能夠預(yù)測(cè)電池剩余電量，進(jìn)而可以預(yù)測(cè)電池的續(xù)航時(shí)間和續(xù)航里程。實(shí)際應(yīng)用中，受到溫度、充放電、自放電、一致性、以及電池老化現(xiàn)象發(fā)生等因素的影響，破壞了動(dòng)力鋰電池自身能量的保持能力，造成容量衰減，很難精準(zhǔn)地獲取SOC值。所以我們要根據(jù)電池的可測(cè)量值如電壓電流結(jié)合電池內(nèi)外界影響因素（溫度、壽命等）來(lái)實(shí)現(xiàn)電池SOC的估算算法。但是SOC受自身內(nèi)部工作環(huán)境和外界多方面因素而呈非線性特性，所以要實(shí)現(xiàn)良好的SOC估算算法必須克服這些問(wèn)題。目前，國(guó)內(nèi)外在電池SOC估算上已經(jīng)部分實(shí)現(xiàn)并運(yùn)用到工程上，如電流積分法、開(kāi)路電壓法等。這些算法共同特點(diǎn)是易于實(shí)現(xiàn)，但是對(duì)實(shí)際工況中的內(nèi)外界影響因素缺乏考慮而導(dǎo)致適應(yīng)性差，難以滿足BMS對(duì)估算精度不斷提高的要求。因此在考慮SOC受到多種因素影響后，一些較為復(fù)雜的算法被提出,例如：卡爾曼濾波算法、神經(jīng)網(wǎng)絡(luò)算法、模糊估計(jì)算法等新型算法，相比于之前的傳統(tǒng)算法其計(jì)算量大，但精度更高，其中卡爾曼濾波在計(jì)算精度和適應(yīng)性上都有很好的表現(xiàn)。

三、常見(jiàn)估算的方法

無(wú)人船智能鋰電池

IP67防水，充放電分口 安全可靠

標(biāo)稱電壓：28.8V
標(biāo)稱容量：34.3Ah
電池尺寸：(92.75±0.5)* (211±0.3)* (281±0.3)mm
應(yīng)用領(lǐng)域：勘探測(cè)繪、無(wú)人設(shè)備

點(diǎn)擊詳情

（一）電流積分法

電流積分法又被稱為安時(shí)法，也是計(jì)算電池SOC的基礎(chǔ)。假設(shè)當(dāng)前電池SOC初始值為SOC0，在經(jīng)過(guò)t時(shí)間的充電或放電后SOC為：

Q0是電池的額定容量，i(t)是電池充放電電流（放電為正）。事實(shí)上，SOC含義為電池的荷電狀態(tài)，而電池荷電狀態(tài)就是電池電流的積分，所以理論上講安時(shí)法是最準(zhǔn)確的。同時(shí)，它也易于實(shí)現(xiàn)，只需測(cè)量電池充放電電流和時(shí)間，而在實(shí)際工程應(yīng)用時(shí)，采用離散化計(jì)算公式如下：

在電池實(shí)際工作中使用電流積分法計(jì)算SOC，受到測(cè)量誤差和噪聲干擾因素會(huì)對(duì)測(cè)量結(jié)果造成影響從而無(wú)法正確估算SOC（自放電及溫度等因素也沒(méi)有考慮），同時(shí)電池的初始SOC值無(wú)法通過(guò)電流積分法得到。通常使用上次電池充放電保留的SOC值作為下次計(jì)算初始值，但這樣會(huì)使SOC誤差不斷累積。所以實(shí)際工程上電流積分法一般作為其他算法的基礎(chǔ)或結(jié)合其他算法來(lái)進(jìn)行估算。

（二）放電試驗(yàn)法

放電試驗(yàn)法是將目標(biāo)電池進(jìn)行持續(xù)的恒流放電直到電池的截止電壓，將此放電過(guò)程所用的時(shí)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(biāo)定方法或者用在蓄電池的后期維護(hù)工作上，在不了解電池SOC值的情況下采用此方法，相對(duì)簡(jiǎn)單、可靠，并且結(jié)果也比較準(zhǔn)確，同時(shí)對(duì)不同種類的蓄電池都有效。但是放電試驗(yàn)法也存在兩點(diǎn)不足：第一，該方法的試驗(yàn)過(guò)程要花費(fèi)大量的時(shí)間；第二，使用此方法時(shí)要將目標(biāo)電池從電動(dòng)汽車上取下，因此該方法不能用來(lái)計(jì)算處于工作狀態(tài)下的動(dòng)力鋰電池。

（三）開(kāi)路電壓法

是根據(jù)電池的開(kāi)路電壓（OpenCircuitVoltage，OCV）與電池內(nèi)部鋰離子濃度之間的變化關(guān)系，間接地?cái)M合出它與電池SOC之間的一一對(duì)應(yīng)關(guān)系，即電池的電動(dòng)勢(shì)與電池的SOC之間存在一定的函數(shù)關(guān)系，由此可以通過(guò)開(kāi)路電壓進(jìn)行測(cè)量從而得到電池的SOC值。要通過(guò)開(kāi)路電壓法得到電池電動(dòng)勢(shì)的準(zhǔn)確值，首先要電池靜置一段時(shí)間，此時(shí)的開(kāi)路電壓（OCV）的值可以認(rèn)為與其電動(dòng)勢(shì)數(shù)值相等，這樣就可以得到電池電動(dòng)勢(shì)并以此得到電池的SOC。通過(guò)實(shí)驗(yàn)獲得鋰離子電池充放電的SOC-OCV曲線，然后根據(jù)SOC-OCV曲線查詢不同開(kāi)路電壓的SOC值。開(kāi)路電壓法要電池在一段時(shí)間靜置下以消除電池電壓、容量在外界因素影響下造成的誤差，不適用于電池SOC的實(shí)時(shí)測(cè)量。另外，電池SOC在中間段開(kāi)路電壓變化很小，導(dǎo)致中間SOC測(cè)量及估算誤差較大。

（四）卡爾曼（Kalman）濾波法

卡爾曼濾波法是美國(guó)數(shù)學(xué)家卡爾曼（R.E.Kalman）在上世紀(jì)60年代初發(fā)表的論文《線性濾波和預(yù)測(cè)理論的新成果》中提出的一種新型最優(yōu)化自回歸數(shù)據(jù)濾波算法。是利用系統(tǒng)和測(cè)量動(dòng)態(tài)的知識(shí)、假設(shè)的系統(tǒng)噪聲和測(cè)量誤差的統(tǒng)計(jì)特性，以及初始條件信息，對(duì)測(cè)量值進(jìn)行處理，求得系統(tǒng)狀態(tài)的最小誤差估計(jì)。電動(dòng)汽車用的電池組，可看作是由輸入和輸出組成的動(dòng)態(tài)系統(tǒng)。在了解系統(tǒng)一定先驗(yàn)知識(shí)的前提下，建立系統(tǒng)的狀態(tài)參數(shù)方程，再利用輸出的校驗(yàn)用途，獲得對(duì)系統(tǒng)包括荷電狀態(tài)在內(nèi)無(wú)法直接測(cè)量的內(nèi)部參數(shù)估計(jì)。在電池等效電路模型或電化學(xué)模型的基礎(chǔ)上，建立系統(tǒng)的狀態(tài)方程和測(cè)量方程。根據(jù)電池組放電試驗(yàn)數(shù)據(jù)，應(yīng)用卡爾曼濾波算法估計(jì)電池組的開(kāi)路電壓，實(shí)現(xiàn)對(duì)電池荷電狀態(tài)的估計(jì)。其優(yōu)點(diǎn)是能夠根據(jù)采集到的電壓電流，由遞推法法得到SOC的最小方差估計(jì)，解決SOC初值估計(jì)不準(zhǔn)和累計(jì)誤差的問(wèn)題；缺點(diǎn)是對(duì)電池模型依賴性很強(qiáng)，對(duì)系統(tǒng)處理器的速度要求較高。

（五）神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)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(wú)需深入研究電池的內(nèi)部結(jié)構(gòu)，只需提前從目標(biāo)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(yùn)行中的SOC值。該方法后期處理相對(duì)簡(jiǎn)單，即能有效防止卡爾曼濾波法中要將電池模型作線性化處理后帶來(lái)的誤差，又能實(shí)時(shí)地獲取電池的動(dòng)態(tài)參數(shù)。但是神經(jīng)網(wǎng)絡(luò)法的前期工作量比較大，要提取大量且全面的目標(biāo)樣本數(shù)據(jù)對(duì)系統(tǒng)進(jìn)行訓(xùn)練，所輸入的訓(xùn)練數(shù)據(jù)和訓(xùn)練的方式方法在很大程度上都會(huì)影響SOC的估計(jì)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(fù)雜用途下，長(zhǎng)期使用該方法估算同一組電池的SOC值，其準(zhǔn)確性也會(huì)大打折扣。因此，在動(dòng)力鋰電池的SOC估算工作中該方法并不多見(jiàn)。