SOC基本定義：
- Qmax- 電池最大允許充放電容量，可了解為額定容量*SOH
- Ieff - 充放電電流或自放電電流，充電為負
- η - 充放電的庫倫效率
目前行業算法方案清單如下，其中安時積分、開路電壓、人工神經網絡、卡爾曼濾波四中方案通用性比較高，重點介紹一下
OCV(Open Circuit Voltage)開路電壓
先說明一下開路電壓的概念，從下面兩幅大家可以看出，OCV在實際應用中猶如一把尺子一樣，這把尺子的有效程式在于它的斜率是否夠大，斜率越大能夠表征的容量差異性就越大，計算SOC就越容易。但是如圖所示電池放電曲線有很長的平台期，斜率很小尤其圖一的磷酸鐵锂電池70%左右的時間電池電壓平台幾乎沒有變化。而且受放電倍率和溫度影響比較大，是以OCV曲線主要用來修正，标定。隻用這一種方案來計算SOC的話誤差會很大。
行業主流算法：AH(安時積分)+EKF(卡爾曼濾波)算法
SOC算不準的原因：
- 受限于傳感器精度
- 電磁幹擾的影響
EKF算法的優勢：
- 适用于線上測量
- 有助于初值修正
- 有助于克服傳感器精度問題(多次觀察)
- 有助于電磁幹擾帶來的白噪聲
- 算法的複雜度并不高，實時性好
模型的要求：
- 屬于外特性模型
- 可以是一種等效模型
- 所建立的模型必須具有較強的實用性
PNGV等效電路模型
等效電路模型是以電池工作原理為基礎，使用電阻、電容、恒壓源等電路元器件組成電路網絡模拟電池動态特性建立模型其優勢在于：
- 對于電池的不同工作狀态有很好的适用性；
- 可推導出模型的狀态空間方程，用于定量分析；
- 在模型中考慮溫度的影響；
一階模型
二階模型
三階模型
階數越高越精确但并不是越高越好，階數無限增大會影響系統的快速響應。我們一般選擇二階模型用來模拟電池特性是綜合考量比較合适的方案；
下面以實際案列來檢驗一下我們搭建的算法模型
電池(8Ah,96節串聯)的電流、電壓資料的采樣周期為30ms，溫度為室溫；第一階段從開始持續到大約5500s處，第二階段從5500s~6500s，第三階段從6500s至最後，總測試時間約2.5小時。
EKF計算結果： (SOC1) 47.2%
裝置計算結果： (SOC2) 38.7%
真值(OCV) ： 48.3%
相對誤差： 2.3%
EKF相關參數擷取方法簡介說明
1.SOC-OCV 曲線擷取
- 基礎測試
在室溫( 22±3℃)條件下，對新電池以1C電流大小進行試驗，實驗過程中，通過精密電流測試
裝置進行電流積分，計算得到電池的容量。試驗中SOC每變化5%，将電池靜置3小時，測得穩态
開路電壓，并繪制得到電池的SOC-OCV關系。
- 條件測試
在不同的溫度條件下( -20,0,10,40℃)對不同SOH狀态的電池(容量衰減到原容量的90%， 80%，70%)的電池，重複上述實驗。
注：由于目前還沒有統一的SOC-OCV測試标準，不同電池廠商的測試方法可能不同。SOC-OCV曲線簇變化次元可以選擇兩個，實驗溫度T和壽命狀态SOH.根據驗資料， 應用電池的工作環境和健康狀态進行自身SOC-OCV特征曲線的修正
2.參數R0，R1C1，R2C2的擷取
HPPC實驗标準，可參照FreedomCAR_Power_Assist_BatteryTest Manual 進行測試(參見下圖)
其中放電電流為1倍的max dch ，充電電流為0.75倍的maxch ，間隔放電電流為1C1。然後可以在不同溫度和SOH狀态下分别進行HPPC測試，得出多組MAP實驗結果。
基于HPPC實驗，可得一系列的在不同溫度、不同壽命狀态下、在不同SOC工作點時的電池脈沖實驗資料。依據二階RC锂電池模型和實驗資料，可以用最小二乘等方法擷取電池在不同溫度和SOH條件下的R0、 R1C1、 R2C2等參數。
EKF算法實施的其他細節
關于初值：
- 遞歸算法對初值并不十分敏感
- 狀态值除SOC外，其他可以設為0
- 噪聲的協方差初值需要基于電流/電壓精度及模型精度
- 噪聲最好在一個數量級，避免顧此失彼
- 噪聲初值需要通過充分驗證，可标定修正
- SOC-OCV曲線可以考慮充放電磁滞，及溫度、SOH的影響(電芯性能)
EKF誤差原因：
- SOC-OCV曲線準确度，适當考慮影響因子
- 模型中的等效參數設定不準确
- 電壓電流精度誤差
- 噪聲中有非白噪聲部分
建議：
- SOC-OCV曲線測試+修正，并前期驗證可行性
- 模型參數前期仿真充分驗證，并老化修正，實車标定
- 電壓電流精度保證