4.2.2　SOC的计算

荷电状态（SOC）的计算是BMS的最重要的功能之一。通常，通过计数多少电流（或电子）进入或移出电池，从而计算出SOC，即

SOC（new）＝SOC（old）-I×TS/（A·h）nominal（4-1）

然而，这个计算受很多不确定因素的影响，具体如下:

1）测量准确度:电流传感器具有测量准确度和分辨率，随着时间的推移，误差会在SOC中累积。

2）放大器电路也有准确度，与电阻和供电电源的准确度有关。

3）MCU计算的舍入误差。

4）MCU的A/D分辨率。

5）MCU可能不知道电池的初始SOC。

6）使用上述方程不能把电池损耗算进SOC的计算中。

7）通过SOC算法不能把电池的自放电算进去。

8）由于MCU的离散采样，电流谐波会引起测量误差。

9）测量回路和放大器电路中的噪声。

10）电池老化会影响电池能够充进去多少能量。因此SOC的百分比可能无法真实地反映多少能量可用。

因此，必须研发其他方法来补充传统的SOC计算方法。一种流行的方法是用电池端电压来校准电池SOC。在这种方法中，电池在不同的充电/放电电流和温度下被测试，找到端电压和SOC之间的关系。然后建立一个数值查找表，在测量电池电压、电流和温度的基础上找到相应的SOC。这个SOC再与用积分方法计算到的SOC做比较，如果差异超过一定的限度，则需要注意并做出进一步的诊断。一种典型的电池SOC与端电压的对应关系如图4-6所示。这种方法不能考虑电池老化的影响。

图4-6　电池SOC与端电压的对应关系

第二种方法是当电池充满电时测试SOC。一些电池不允许充满电，但现代锂离子电池每次都可以充满电且不损害电池寿命。

阅读材料:

最后，可以用先进的数学模型预测电池SOC，比如卡尔曼滤波等。卡尔曼滤波器可以在相信传感器读数与相信可获得最可能状态估计的模式之间做出最佳平衡，关键是消除噪声并与良好的数学模型相结合。卡尔曼滤波器把测量噪声当作随机变量，并从系统中消除测量噪声。在卡尔曼滤波中，我们用下式对每个K（状态）估计信号X为

XK＝KKZK＋（1-KK）ZK-1

式中，ZK是具有误差的测量值；KK是卡尔曼增益，对不同的增益要分别确定。

一个良好的数学模型是基于卡尔曼滤波器的SOC估计关键的一个部分。