文档介绍：SOC估算算法的选择与实现
电池的荷电状态（State of Charge, SOC指电池目前所存储的电量，是电池管理系统 控制策略的重要参数，为电池组控制策略提供判断标准。目前在 SO（估算中存在的问题有两
方面：（进行合理定义；。
一、 SOC勺定义
SO（用来反映电池的剩余容量，其数值上定义为剩余容量占电池容量的比值。通常把一
定温度下电池充电到不能再吸收电量的状态定义为 100 % SOC而将电池不能放出电量的状态
定义为0% SOC定义式如下
SOC =2 （式 1）
Qo
Q指的是电池的剩余电量， Q指的是电池的标称容量。
基于安时积分的方法，1式可以改写为
t
SOC 二 SOG °i（t）dt/Q0 （式2）
SOC指的是电池的初始SOC Q指的是电池的标称容量。
很明显，2式只能描述在电流变化不大、工作温度区间浮动较小、电池容量不衰减的情
况下的荷电状态，不能适应实际使用情况。我们采用以下修正式来表示 SOC
t
SOC二SOG °krkTi（t）dt/Qn （式3）
Q指的是电池的实际容量（考虑了老化因素） ，kr指的是电池的倍率修正因子， kT表示电
池温度修正因子。这样一来，我们就可以比较准确的描述电池的荷电状态了。
二、 现有的SOC估算方法
目前比较常用的 SOC估算方法有安时积分法、开路电压法、模糊神经网络法和卡尔曼
（Kalman Filtering ）滤波法等。安时积分法是一种开环预测，在短时间能够准确估算 SOC
但是存在无法确定初始 SOC和累计误差越来越大的问题； 开路电压法简单易行， 但是需要电
池长时间静置，不能满足在线检测的要求；神经网络法在建好网络模型的前提下， 依靠大量
的样本进行数据训练可以得到较好的精度， 但是这种方法对训练方法和训练数据的依赖性很
大，目前还没有得到很好的使用； Kalman滤波方法能够根据采集到的电压电流，由递推算
法得到SOC勺最小方差估计，解决SOC初值估计不准和累计误差的问题， 但是它对电池模型
依赖性很强，对系统处理器的速度要求较高。 对电池组实际运行而言， 当电池工作在全充全
放的状态下，SOC可以完成自动校准过程，但随着延长电池寿命的考虑和电池组快速更换运 行模式的出现，长期单独使用电流积分法会引入较大的累计误差， 严重影响SOC勺估算精度。
综合分析上述方法，我们拟采用安时法与 Kalman滤波法相结合或者安时法与开路电压法进
行SOC古算，以实现电池SOC的闭环估计。具体来说就是，在电池的SOC范围两端（W 20%, >80%）采用Kalman滤波法，对于安时积分法得出的 SOC值进行校正；在中间段的 SOCK 间内采用安时积分的方法估算电池 SOC直。这样一来就既能发挥安时积分方法计算 SOC准确， 又能克服其不能准确估计初始 SOC和累计误差大的缺点。
Kalman滤波应用于电池SOC估计时，电池被电池模型描述为由状态方程 （预测方程）和量
测方程（校正方程）组成的系统， SO（是系统状态，几为系统矩阵，B为控制输入矩阵，Ck
为最测矩阵。控制输入U中包含电流、温度等参数，系统输出Yk为电池模型计算的负载电压。 W为系统噪声，Vk