1、電動汽車用電池SOC估算目錄SOC的定義SOC的影響因素SOC的估算方法SOC的定義電池的荷電狀態SOC被用來反映電池的剩余電量狀況，其定義為：電池剩余電量與電池容量的比值。如果以電池充滿狀態定義為 ，定義式可表示為式中， 為電池剩余的電量， 為電池以恒定電流I放電時所具有的容量，Q為已放出電量。ICCQSOC1SOCICQSOC-1CQIC注：對于電池充滿一般定義為：在一定溫度(如20度)下以一定電流(如0.3C)充電，達到單體最高電壓后轉為恒壓充電，直到充電電流小于一定值(如0.03C)；對于電池放空(SOC為0%)也有類似的定義 USABC定義：在一定的放電倍率下，剩余電量與相同條件下額

2、定容量的比值 本田的定義 能量角度定義：EWhWh01( )arestaresPtSOCP t dtPt 剩余可用能量總可用能量SOC 剩余電量額定容量容量衰減因子其中剩余容量額定容量凈放電量 自放電量溫度補償SOC的定義0NSOCQQSOC的定義 溫度的影響：溫度降低，容量降低，但升高容量，損失的容量可恢復 不同溫度下，仍將額定條件下的容量作為基準2.52.62.72.82.933.13.23.33.43.5020406080100OCV-SOC曲線SOC的定義 電池成組使用的工況下，由于組內包含有多個單體，在單體容量、單體荷電量、溫度不一致的情況下，將變得復雜 以最低單體不能放電作為0%，

3、最高單體不能再充電作為100%定義整組SOC。情形1情形2情形3SOC的影響因素放電電流溫度容量變化自放電一致性影響因素SOC的影響因素及特征參數SOC特征參數電壓電流溫度SOC的估算方法SOC估算方法估算策略估算策略優點優點缺點缺點放電實驗法準確、可靠須中斷，時間長安時計量法計算簡單不夠準確開路電壓法在數值上接近電池電動勢需長時間靜置線性模型法模型簡單不夠準確內阻法與SOC關系密切測量困難卡爾曼濾波法適合非線性模型需準確的模型算法神經網絡法精度比較高需大量訓練數據SOC的估算策略放電實驗法放電實驗法估算電池荷電狀態（SOC）是比較準確的預估方法，它采用恒流持續放電，放電電流與時間的乘積即為放

4、出的電量。放電實驗法常常被使用來標定電池的容量優點準確可靠適用于所有類型電池缺點缺點 不適用于工作中電池 只能得出一個點的值SOC的估算方法安時計量法安時計量法（ampere hour，簡稱 AH）是最常用的 SOC 估計方法，安時計量法的原理是將電池在不同電流下的放電電量累計起來作為電池的放電量。由此，得到以下等效放電電量公式：該方法只是關注該系統的外部特征，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。優點簡單易行適用范圍廣00tftIIdtSOCSOCC缺點缺點 不能獲得

5、初值 累計誤差積累SOC的估算方法開路電壓法通過電池的開路電壓和電池 SOC 的對應關系，通過檢測電池的開路電壓估計電池 SOC。優點可以準確預估電池的初始值開路電壓是電動勢的外在反映，理論上只和溫度相關，且溫度對其影響較小2.52.62.72.82.933.13.23.33.43.5020406080100缺點缺點充放電過程中開路電壓不能直接測量；電池在充電或者放電后，需要很長一段時間才能穩定, ,rT P RGnEF SOC的估算方法內阻法荷電狀態(SOC)影響電池的交流阻抗，因此有學者提出可以用阻抗值來估計SOC。用不同頻率的交流電激勵電池，測量電池內部交流電阻，并通過建立的計算模型得到

6、SOC估計值。優點交流阻抗反映正負極活性物質導電電阻的此消彼長的情況，從原理上有一定正確性缺點缺點 溫度、電流、SOH都可以影響內阻 內阻值很小在毫歐級，策略誤差大SOC的估算方法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。該方法應用于電池 SOC估計，電池被視為一動態系統，荷電狀態為系統的一個內部狀態。卡爾曼濾波法的主要思想，是對系統的狀態做出最小方差意義上的最優估計。該系統的輸入項有：電池電流、環境溫度、電池剩余容量、歐姆內阻以及極化內阻等變量，系統的輸出為：電池的工作電壓。由于電池等效模型確定的非線性方程，在計算過程中要線性化。預估電池荷電狀態方法的核心思想是包括荷電狀態估

7、計值和反映估計誤差的、協方差矩陣的遞歸方程，協方差矩陣用來給出估算誤差范圍。SOC的估算方法卡爾曼濾波法遞推公式如下優點能解決累計誤差和初值誤差，精度高缺點缺點 對模型精度要求高 對處理器運算速度要求高SOC的估算方法人工神經網絡法人工神經網絡法具有非線性的基本特性，該系統對外部輸入，能得到對應的輸出，所以可用來模擬電池動態特性，被用來預估電池荷電狀態。預估電池荷電狀態的神經網絡層主要有 3 層：輸入、輸出以及中間層；估計電池荷電狀態常常被用來輸入的變量如：電壓、電流、放出電量、環境溫度、電池內阻等。優點在建好網絡模型的前提下，依靠大量的樣本進行數據訓練可以得到較好的精度缺點缺點 估算精度取決于合適的神經網絡輸入變量，恰當的變量數量。 需要大量的參考數據來訓練，受訓練數據和訓練方法對估算誤差的影響較大。推薦方案采用改進的電量估計方法，在大量實驗數據的基礎上，以卡爾曼濾波法為基礎，并考慮各種影響因素進行補償，框圖如下：卡爾曼濾波電池模型OCV初值溫度補償放電倍率自放電SOC可用功率儀表顯示充放電管理故障處理推薦方案等效電路模型的選擇等效電路模型的選擇經典模型Rint過于理想，不適用Thevenin易于工程實現PNGV電路與參數復雜模型詳解模型詳解Uoc描述電池的開路電壓，R0為電池內阻，I為總電流，Ip為通過極化