SOC即State of Charge，指電池的荷電狀態(tài)。從電量、能量等不同的角度，SOC有多種不同的定義方式。美國(guó)先進(jìn)電池聯(lián)合會(huì)（USABC）定義的SOC被廣泛采用，即電池在一定的放電倍率下，剩余電量與相同條件下額定容量的比值。相應(yīng)的計(jì)算公式為：
式中，Qm為電池按照恒定的電流I進(jìn)行放電時(shí)的最大放電容量；Ｑ(In)為在t時(shí)間里，標(biāo)準(zhǔn)的放電電流I下電池所釋放的電量。
二、鋰電池荷電狀態(tài)預(yù)測(cè)方法
鋰電池的荷電狀態(tài)是電池管理系統(tǒng)的重要參數(shù)之一，也是整個(gè)汽車的充放電控制策略和電池均衡工作的依據(jù)。但是由于鋰電池本身結(jié)構(gòu)的復(fù)雜性，其荷電狀態(tài)不能通過(guò)直接測(cè)量得到，僅能根據(jù)電池的某些外特性，如電池的內(nèi)阻、開(kāi)路電壓、溫度、電流等相關(guān)參數(shù)，利用相關(guān)的特性曲線或計(jì)算公式完成對(duì)荷電狀態(tài)的預(yù)測(cè)工作。
鋰電池的荷電狀態(tài)估算是非線性的，目前常用的方法主要有放電實(shí)驗(yàn)法、開(kāi)路電壓法、安時(shí)積分法、卡爾曼濾波法、神經(jīng)網(wǎng)絡(luò)法等。
放電實(shí)驗(yàn)法的原理是：以恒定的電流使電池處于不間斷的放電狀態(tài)，當(dāng)放電到達(dá)截止電壓時(shí)對(duì)所放電量進(jìn)行計(jì)算。放電電量值為放電時(shí)所采用的恒定電流值與放電時(shí)間的乘積值。放電實(shí)驗(yàn)法經(jīng)常在實(shí)驗(yàn)室條件下估算電池的荷電狀態(tài)，并且目前許多電池廠商也采用放電法進(jìn)行電池的測(cè)試。
它的顯著優(yōu)點(diǎn)是方法簡(jiǎn)單，估算精度也相對(duì)較高。其缺點(diǎn)也很突出：不可以帶負(fù)載測(cè)量，需要占用大量的測(cè)量時(shí)間，并且放電測(cè)量時(shí)，必須中斷電池之前進(jìn)行的工作，使電池置于脫機(jī)狀態(tài)，因此不能在線測(cè)量。行駛中的電動(dòng)汽車電池一直處于工作狀態(tài)，其放電電流并不恒定，此法不適用。但放電實(shí)驗(yàn)法可在電池檢修和參數(shù)模型的確定中使用。
電池長(zhǎng)時(shí)間充分靜置后的各項(xiàng)參數(shù)相對(duì)穩(wěn)定，此時(shí)的開(kāi)路電壓與電池荷電狀態(tài)間的函數(shù)關(guān)系也是相對(duì)比較穩(wěn)定的。若想獲得電池的荷電狀態(tài)值，只需測(cè)得電池兩端的開(kāi)路電壓，并對(duì)照OCV-SOC曲線來(lái)獲取相應(yīng)信息。
開(kāi)路電壓法的優(yōu)點(diǎn)是操作簡(jiǎn)單，只需測(cè)量開(kāi)路電壓值對(duì)照特性曲線圖即可獲得荷電狀態(tài)值。但是其缺點(diǎn)有很多：首先此方法要想獲得準(zhǔn)確值，必須使電池電壓處于相對(duì)穩(wěn)定狀態(tài)，但電池往往需要長(zhǎng)時(shí)間的靜置，方可處于此狀態(tài)，從而無(wú)法滿足實(shí)時(shí)監(jiān)測(cè)要求，往往應(yīng)用于電動(dòng)汽車長(zhǎng)時(shí)間的駐車時(shí)。
當(dāng)電池充放電比率不同的情況下，由于電流的波動(dòng)會(huì)使電池開(kāi)路電壓發(fā)生變化，從而導(dǎo)致電池組的開(kāi)路電壓不一致，使得預(yù)測(cè)的剩余電量與電池實(shí)際剩余電量產(chǎn)生較大偏差。
安時(shí)積分法不考慮電池內(nèi)部的作用機(jī)理，根據(jù)系統(tǒng)的某些外部特征，如電流、時(shí)間、溫度補(bǔ)償?shù)龋ㄟ^(guò)對(duì)時(shí)間和電流進(jìn)行積分，有時(shí)還會(huì)加上某些補(bǔ)償系數(shù)，來(lái)計(jì)算流入流出電池的總電量，從而估算電池的荷電狀態(tài)。目前安時(shí)積分法在電池管理系統(tǒng)中被廣泛應(yīng)用。安時(shí)積分法的計(jì)算公式如下：
式中，SOC0是電池電荷狀態(tài)的初始電量值；CE是電池的額定容量；I(t)為電池在t時(shí)刻的充放電電流；t為充放電的時(shí)間；η為充放電效率系數(shù)，又被稱作庫(kù)倫效率系數(shù)，代表了充放電過(guò)程中電池內(nèi)部的電量耗散，一般以充電放電的倍率和溫度修正系數(shù)為主。
安時(shí)積分法的優(yōu)點(diǎn)是受電池自身情況的限制相對(duì)較小，計(jì)算方法簡(jiǎn)單、可靠，能夠?qū)﹄姵氐暮呻姞顟B(tài)進(jìn)行實(shí)時(shí)的估算。其缺點(diǎn)是由于安時(shí)計(jì)量法在控制中屬于開(kāi)環(huán)的檢測(cè)，如果電流的采集精度不高，給定的初始荷電狀態(tài)有一定誤差，伴隨著系統(tǒng)運(yùn)行時(shí)間的延伸，之前產(chǎn)生的誤差會(huì)逐漸累積，從而影響荷電狀態(tài)的預(yù)測(cè)結(jié)果。并且由于安時(shí)積分法只是從外特性來(lái)分析荷電狀態(tài)，多環(huán)節(jié)存在一定誤差。從安時(shí)積分法計(jì)算公式中可以看出，電池的初始電量對(duì)計(jì)算結(jié)果的準(zhǔn)確性影響較大。
為了能使電流測(cè)量的精度得到提高，通常采用高性能的電流傳感器來(lái)測(cè)量電流，但這樣加大了成本。為此，許多學(xué)者在應(yīng)用安時(shí)積分法的同時(shí)應(yīng)用開(kāi)路電壓法，將二者結(jié)合。開(kāi)路電壓法用來(lái)估算電池的初始荷電狀態(tài)，安時(shí)積分法用于實(shí)時(shí)估算，并且在算式中添加相關(guān)修正因子，以提高計(jì)算準(zhǔn)確性。
卡爾曼濾波算法是利用時(shí)域狀態(tài)空間理論的一種最小方差估計(jì)，屬于統(tǒng)計(jì)估計(jì)的范疇，宏觀上就是盡可能減小和消除噪聲對(duì)觀測(cè)信號(hào)的影響，其核心是最優(yōu)估計(jì)，即系統(tǒng)的輸入量在預(yù)估基礎(chǔ)上對(duì)狀態(tài)變量進(jìn)行的有效修正。
該算法的基本原理是：將噪聲與信號(hào)的狀態(tài)空間模型作為算法模型，在測(cè)量時(shí)，應(yīng)用當(dāng)前時(shí)刻的觀測(cè)值與上一時(shí)刻的估計(jì)值，對(duì)狀態(tài)變量的估算進(jìn)行更新。卡爾曼濾波算法對(duì)鋰電池荷電狀態(tài)進(jìn)行預(yù)測(cè)的實(shí)質(zhì)是安時(shí)積分法，同時(shí)用測(cè)量的電壓值來(lái)對(duì)初步預(yù)測(cè)得到的值進(jìn)行修正。
卡爾曼濾波法的優(yōu)點(diǎn)是適合計(jì)算機(jī)對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)運(yùn)算處理，應(yīng)用范圍廣，可以用于非線性系統(tǒng)，對(duì)行駛過(guò)程中電動(dòng)汽車的荷電狀態(tài)預(yù)測(cè)具有較好的效果。卡爾曼濾波法的缺點(diǎn)是對(duì)電池模型的準(zhǔn)確程度依賴較大，為了提高該算法預(yù)測(cè)結(jié)果的準(zhǔn)確性和精度，需要建立可靠的電池模型。此外，卡爾曼濾波法的算法相對(duì)比較復(fù)雜，因此其計(jì)算量也相對(duì)較大，對(duì)運(yùn)算器的性能有較高要求。神經(jīng)網(wǎng)絡(luò)的目的是模仿人類的智能行為，通過(guò)并行結(jié)構(gòu)與自身較強(qiáng)的學(xué)習(xí)能力獲得數(shù)據(jù)表達(dá)的能力，能夠在外部激勵(lì)存在時(shí)給出相應(yīng)的輸出響應(yīng)，并使具有良好的非線性映射能力。
神經(jīng)網(wǎng)絡(luò)法應(yīng)用于鋰電池荷電狀態(tài)檢測(cè)的原理是：將大量相對(duì)應(yīng)的電壓、電流等外部數(shù)據(jù)以及電池的荷電狀態(tài)數(shù)據(jù)作為訓(xùn)練樣本，通過(guò)神經(jīng)網(wǎng)絡(luò)自身學(xué)習(xí)過(guò)程中輸入信息的正向傳播和誤差傳遞的反向傳播反復(fù)進(jìn)行訓(xùn)練和修改，在預(yù)測(cè)的荷電狀態(tài)達(dá)到設(shè)計(jì)要求的誤差范圍內(nèi)時(shí)，通過(guò)輸入新的數(shù)據(jù)來(lái)得到電池的荷電狀態(tài)預(yù)測(cè)值。
神經(jīng)網(wǎng)絡(luò)法的優(yōu)點(diǎn)是可以對(duì)各種電池的荷電狀態(tài)進(jìn)行估算，適用范圍廣；不需要建立特定的數(shù)學(xué)模型，不用考慮電池內(nèi)部復(fù)雜的化學(xué)變化過(guò)程，只需選擇合適的樣本，以及建立較好的神經(jīng)網(wǎng)絡(luò)模型，并且樣本數(shù)據(jù)越多，其估算的精度越高；能夠隨時(shí)確定電池的荷電狀態(tài)。神經(jīng)網(wǎng)絡(luò)法的缺點(diǎn)是對(duì)硬件要求較高，訓(xùn)練時(shí)所采用的數(shù)據(jù)樣本的準(zhǔn)確性、樣本容量和樣本分布以及訓(xùn)練方法都會(huì)對(duì)電池的荷電狀態(tài)預(yù)測(cè)產(chǎn)生很大的影響。
本文對(duì)目前幾種主要的鋰電池荷電狀態(tài)預(yù)測(cè)方法做了簡(jiǎn)單的介紹，詳細(xì)分析了它們各自的優(yōu)缺點(diǎn)。目前安時(shí)積分法仍然是應(yīng)用最多的荷電狀態(tài)預(yù)測(cè)方法，但由于安時(shí)積分法自身的局限性，往往結(jié)合開(kāi)路電壓法等其他方法共同完成對(duì)鋰電池初始荷電狀態(tài)的檢測(cè)。
從發(fā)展趨勢(shì)來(lái)看，鋰電池的荷電狀態(tài)預(yù)測(cè)考慮的因素越來(lái)越全面，所采用的預(yù)測(cè)方法往往是前述好幾種方法的綜合應(yīng)用，使得預(yù)測(cè)結(jié)果更加準(zhǔn)確。而且目前鋰電池的等效電路模型不斷發(fā)展，更加接近實(shí)際，使得荷電狀態(tài)預(yù)測(cè)精度得到進(jìn)一步提升。
