動力電池作為混動汽車或電動汽車的動力源，會對電動汽車整車性能產(chǎn)生影響，例如對加速能力、空調(diào)使用、行駛里程、爬坡能力均會產(chǎn)生直接的影響。電池荷電狀態(tài)SOC(State of Charge)用來描述電池剩余電量的數(shù)量，是動力電池使用過程中的重要參數(shù)。電池荷電狀態(tài)(SOC)的測試是電池管理系統(tǒng)研究的重點。

  什么叫SOC

  SOC的定義——SOC，全稱是State of Charge，電池荷電狀態(tài)，也叫剩余電量，表示的是電池使用一段時間或長期擱置不用后的剩余可放電電量與其全部充電狀態(tài)的電量的比值，常用百分數(shù)表示。其一般用一個字節(jié)也就是兩位的十六制表示(取值范圍為0~100)，含義是剩余電量為0%~99%，當(dāng)SOC=0時表示電池放電全部，當(dāng)SOC=99%時表示電池全部充滿。SOC也與我們的生活息息相關(guān)，如常見的手機電量、智能手表電量、電動車電量等...

  為什么要進行SOC估算

  SOC可以直接影響到電池的電壓、電流。當(dāng)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(guān)系，所以說SOC是BMS的一個“基礎(chǔ)參數(shù)”，很多管理方式都是基于SOC才能實行。

  其次，避免過充過放的保護電路也是基于SOC實現(xiàn)的，當(dāng)SOC到達指定上限時，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估算也讓我們可以對每個電池的剩余電荷有所了解，通過一些技術(shù)，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(xù)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。

  SOC估算的難點

  1.電池開路電壓(OCV)特性

  電池開路電壓(OCV)指的是電池在靜置狀態(tài)下，正負電極之間的電位差。以下圖為例，圖中展示的是兩種鋰電池的 OCV-SOC曲線。一般通過充電或者放電到特定SOC后，電池進行靜置一段時間(通常為兩個小時或者更長時間)測量得到的電池電壓，以此得出OCV-SOC曲線(注：一般而言，即便對于同一SOC，充電后和放電后靜置得到的OCV也是不一樣的)。對于三元類電池，SOC與OCV對應(yīng)關(guān)系是嚴(yán)格單調(diào)的，且不同SOC的OCV差異比較明顯。但對于磷酸鐵鋰而言，OCV的差異很小，而且并非嚴(yán)格單調(diào)，表現(xiàn)為同一個OCV值對應(yīng)多個SOC點，所以單純用SOC-OCV對應(yīng)關(guān)系來預(yù)估SOC，存在靜置時間難以滿足等難題。

  2.充放電倍率與端電壓對應(yīng)關(guān)系特性

  電池動態(tài)情況下，我們測量到的電池電壓，實際上是電池的端電壓。下圖為一個簡單的電池一階RC模型，其中左側(cè)的電壓源表示OCV，R表示內(nèi)阻，C1表示極化，右側(cè)輸出為端電壓。所以一旦電池進行充放電，則端電壓與OCV相差甚遠。

  選取某個電流倍率，讓電池以該倍率進行恒流充電或者放電(注：同一電流下充和放，得到的曲線也是有差異的)，可以得到一組端電壓與 SOC的對應(yīng)關(guān)系。下圖為某一個溫度下，磷酸鐵鋰電池不同倍率的端電壓曲線。那能否以這一曲線進行SOC預(yù)估呢?實際上，除了電池恒流充電階段，電池的工況電流很少有長時間恒流充放電階段，只要有不同電流切換存在，那么電池極化的差異就會讓端電壓偏離預(yù)測曲線。

  3.溫度特性

  不同材料體系的電池，表現(xiàn)出來的溫度特性是不一樣的。以磷酸鐵鋰為例，下圖為不同溫度下電池表現(xiàn)出的SOC與內(nèi)阻關(guān)系?？傮w而言，電池的內(nèi)阻會隨著溫度和SOC的變化而變化，且對于低溫敏感。同理，OCV、極化等參數(shù)，也會隨著溫度的變化而變化。這無疑進一步提高了預(yù)測難度。

  4.電池的成組效率

  上述的特性是以單個電芯表現(xiàn)出來的特性。在實際整包應(yīng)用中，由于電芯的串并聯(lián)組合，會使情況變得更加復(fù)雜。不同電芯間難免存在歐姆內(nèi)阻、極化內(nèi)阻、自放電率、初始容量等差別。如下圖一個簡單的例子：一個電池包由三個電芯串聯(lián)而成,額定容量為50Ah，暫不考慮均衡。由于額定容量和初始容量存在差異，實際在放電過程中，電量少的先放空，充電時電量多的先充滿。這就造成了成組后的效率降低，也讓成組后的SOC預(yù)估變得更加困難。

  5.除此之外，其實還有很多因素會造成SOC預(yù)估困難，如實際BMS的MCU或者AFE測量精度、采樣頻率、日歷/循環(huán)壽命的影響等。

  總結(jié)：實際多電芯串并聯(lián)組合的應(yīng)用場合，是上述所有因素加權(quán)，共同影響著SOC的估算準(zhǔn)確性，因此想要電池全生命周期范圍內(nèi)都能準(zhǔn)確估算SOC，目前依舊是一個難題。一般而言，對于電動車或儲能領(lǐng)域，能保證全質(zhì)保階段內(nèi)，SOC的精度控制在8%以內(nèi)就相當(dāng)不錯了。

  SOC估算的常用方法

  1.安時積分法

  安時積分法是在初始時刻 SOC0的基礎(chǔ)上估算電池的 SOC。通過計算部分時間內(nèi)充放電電流和對應(yīng)時間的積分，從而計算變化電量的百分比，終求出初始 SOC 和變化的 SOC 之間的差，即剩余電量。

  缺點：先初始時刻的 SOC0不易確定且精度存在部分誤差，而且隨著時間的增加，誤差也會累計，因此對電流測量的準(zhǔn)確度要求很高。另外在電流劇烈波動的工況下誤差會增大。在實際應(yīng)用中，通常將安時積分法結(jié)合別的方法一起使用來提高預(yù)測精度。

  2.開路電壓法

  即通過上面提到的OCV特性，以靜置后的電壓作為SOC估算依據(jù)。開路電壓法簡單易行，在電池靜置足夠長時間的前提下精度較高，但在實際工況下不適用。因此一般也將開路電壓法與其他方法結(jié)合起來，共同進行 SOC 的估算。業(yè)界用得多的方法為開路電壓+安時積分法：在OCV-SOC線性化比較好的區(qū)域進行OCV校準(zhǔn)，其他區(qū)域使用安時積分法估算SOC。

  3.BP神經(jīng)網(wǎng)絡(luò)法

  BP神經(jīng)網(wǎng)絡(luò)法原理為將電池當(dāng)做一個黑盒子，從中提煉出輸入?yún)?shù)(如電流、電壓、溫度等)和輸出參數(shù)(SOC)之間的映射數(shù)據(jù)，然后在訓(xùn)練中反復(fù)試驗確定。BP神經(jīng)網(wǎng)絡(luò)法的優(yōu)點是適用于各種電池;但建立好模型后，就需要大量的數(shù)據(jù)，并且要對數(shù)據(jù)進行訓(xùn)練，因此該方法是建立在大數(shù)據(jù)基礎(chǔ)上的，估算結(jié)構(gòu)受訓(xùn)練數(shù)據(jù)和方法的影響較大。同時網(wǎng)絡(luò)的學(xué)習(xí)和記憶不穩(wěn)定性，也導(dǎo)致了如增加新的樣本，就需重新對數(shù)據(jù)進行訓(xùn)練。在實際應(yīng)用中，因為此算法復(fù)雜從而導(dǎo)致硬件要求高，所以要想將該方法應(yīng)用到嵌入式類的BMS產(chǎn)品中還有一段距離。

  4.電池等效電路模型法

  該方法先對電池進行充放電實驗，通過實驗來獲得電池的工作電壓以及充放電電流等數(shù)據(jù)來建立電池模型，然后進行系統(tǒng)辨識來獲得電池動態(tài)模型的參數(shù)，利用實驗所建立的電池模型來對電池SOC估算進行修正。

  常用的電池模型有Thevenin模型，PNGV模型，二階RC模型等。優(yōu)點是能夠較好的反應(yīng)出動態(tài)特性，缺點與BP神經(jīng)網(wǎng)絡(luò)法類似，需要大量的數(shù)據(jù)去提取出不同工況下的模型等效參數(shù)。以一階Thevenin為例，可以通過脈沖充電和放電的電壓變化才確定等效的歐姆內(nèi)阻和極化電阻。

  5.卡爾曼濾波法

  卡爾曼濾波(Kalman Filtering,KF)算法的主要是：對動態(tài)系統(tǒng)的狀態(tài)做出優(yōu)估計，評判的標(biāo)準(zhǔn)是協(xié)方差小。應(yīng)用到電池方面，先得建立狀態(tài)和觀測方程，SOC便是狀態(tài)分量，這里可以用KF算法進行SOC估算，利用KF算法估算模型中的未知狀態(tài)，其精度和魯棒性相對較高，KF算法在經(jīng)過多次更新后可以使估計結(jié)果很好的趨近真值，并且可以很好的修正容量初值，抗干擾能力強，利用這種方法理論上可以實現(xiàn)系統(tǒng)的動態(tài)估計，因此在研究領(lǐng)域，也被認為是可靠有用的方法之一。不過前提是建立的狀態(tài)和觀測方程要很準(zhǔn)確，類似電池等效電路模型法，也要先得出等效的關(guān)系式以及參數(shù)，一起參與計算，因此運算量也比較大。

  具體該選用哪種方法，需要結(jié)合實際應(yīng)用情況進行選取，在這里小智推薦可使用開路電壓法+安時積分法，或者卡爾曼濾波法進行估算。

  結(jié)語

  SOC的準(zhǔn)確估算是延長電動汽車?yán)m(xù)航里程，給予駕駛者準(zhǔn)確判斷信號的關(guān)鍵技術(shù)環(huán)節(jié)。本文分析了影響SOC準(zhǔn)確估算的主要原因并對近年來出現(xiàn)的SOC估算方法進行了論述。

  目前，SOC估算技術(shù)仍是該領(lǐng)域研究的難點之一。為了提高SOC估算精度，需要建立更加準(zhǔn)確的電池模型，反映電池動態(tài)與靜態(tài)特性。同時，應(yīng)當(dāng)通過大量實驗，建立相關(guān)數(shù)據(jù)庫，為估算方法提供穩(wěn)定可靠的樣本數(shù)據(jù)來源。