動(dòng)力電池作為新能源汽車(chē)的動(dòng)力源，電池荷電狀態(tài)預(yù)測(cè)可以估算電池的剩余電量，SOC通過(guò)電壓與電流的輸入進(jìn)行遞推估算，準(zhǔn)確的SOC估算可以更好地保護(hù)電池，延長(zhǎng)電池的使用壽命，為用戶(hù)提供崗位準(zhǔn)確的可行駛里程數(shù)。

實(shí)際應(yīng)用中，受到溫度、充放電、壽命等外部因素影響，很難精確地獲取SOC值。需要根據(jù)電池的可測(cè)量值再結(jié)合外界影響的因素來(lái)實(shí)現(xiàn)電池的SOC估算。但是SOC受自身內(nèi)部工作環(huán)境和外界多方面因素而呈非線(xiàn)性特性，所以要實(shí)現(xiàn)良好的SOC估算算法必須克服這些問(wèn)題。

目前國(guó)內(nèi)外對(duì)SOC估算多有研究，部分已經(jīng)實(shí)現(xiàn)并運(yùn)用到工程上，如易于實(shí)現(xiàn)的安時(shí)積分法、開(kāi)路電壓法等。隨著對(duì)BMS估算精度越來(lái)越高的要求下，更多復(fù)雜的算法被提出，如卡爾曼濾波算法，數(shù)據(jù)驅(qū)動(dòng)法，神經(jīng)網(wǎng)絡(luò)算法等，以下就是對(duì)比分析BMS狀態(tài)估計(jì)——SOC估計(jì)不同算法的原理和優(yōu)缺點(diǎn)。

01直接估計(jì)法

1.開(kāi)路電壓法

開(kāi)路電壓法是根據(jù)電池的開(kāi)路電壓與電池內(nèi)部鋰離子濃度之間的變化關(guān)系，間接地?cái)M合出它與電池SOC之間的一一對(duì)應(yīng)關(guān)系。在進(jìn)行實(shí)際操作時(shí)，需要將電池充滿(mǎn)電量后以固定的放電倍率進(jìn)行放電，直到電池的截止電壓時(shí)停止放電，根據(jù)該放電過(guò)程獲得OCV與SOC之間的關(guān)系曲線(xiàn)然后根據(jù)SOC-OCV曲線(xiàn)查詢(xún)不同開(kāi)路電壓的SOC值。

優(yōu)點(diǎn)：成本效益、獨(dú)立的電池模型，只在初始和結(jié)束階段下，是估算SOC的有效方法。

缺點(diǎn)：離線(xiàn)技術(shù)；需要長(zhǎng)時(shí)間的靜置以消除電池電壓、容量在外界因素影響下造成的誤差，不適用于電池SOC的實(shí)時(shí)測(cè)量。

2.安時(shí)積分法

安時(shí)積分法又稱(chēng)庫(kù)倫計(jì)數(shù)法，是最常用且最簡(jiǎn)單的估算方法。美國(guó)先進(jìn)電池協(xié)會(huì)對(duì)SOC定義：在特定放電倍率條件下，電池剩余容量與額定容量的百分比，用公式可表示如下：

SOC(t)?為t時(shí)刻下的動(dòng)力電池SOC估計(jì)值；SOC(t_0 )?為動(dòng)力電池SOC初始值；η_i?為動(dòng)力電池充放電的庫(kù)侖效率；i(t)?為?t時(shí)刻下動(dòng)力電池電流。Qn表示電池實(shí)際容量。

優(yōu)點(diǎn)：計(jì)算簡(jiǎn)單易實(shí)現(xiàn)；容易理解且計(jì)算量小；實(shí)時(shí)性好，應(yīng)用最為廣泛。

缺點(diǎn)：對(duì)準(zhǔn)確SOC初值的依賴(lài)；開(kāi)環(huán)計(jì)算方法需要定期的修正；容易受到電流漂移、噪聲、老化因素的影響，電流傳感器會(huì)有漂移。

3.放電實(shí)驗(yàn)法

放電試驗(yàn)法是將目標(biāo)電池進(jìn)行持續(xù)的恒流放電直到電池的截止電壓，將此放電過(guò)程所用的時(shí)間乘以放電電流的大小值，即作為電池的剩余容量。該方法一般作為電池?SOC?估算的標(biāo)定方法或者用在蓄電池的后期維護(hù)工作上，在不知道電池?SOC?值的情況下采用此方法。

優(yōu)點(diǎn)：相對(duì)簡(jiǎn)單、可靠，結(jié)果準(zhǔn)確，對(duì)不同種類(lèi)的蓄電池都有效。

缺點(diǎn)：需要中斷，將目標(biāo)電池從電動(dòng)汽車(chē)上取下來(lái)，這種方法不能用來(lái)計(jì)算處于工作狀態(tài)下的動(dòng)力電池；而且花費(fèi)時(shí)間長(zhǎng)。

02基于模型的方法

1.基于卡爾曼濾波

卡爾曼濾波法是美國(guó)數(shù)學(xué)家卡爾曼（R.E.Kalman）在上世紀(jì)60年代初發(fā)表的論文《線(xiàn)性濾波和預(yù)測(cè)理論的新成果》中提出的一種新型最優(yōu)化自回歸數(shù)據(jù)濾波算法。該算法的本質(zhì)在于可以根據(jù)最小均方差原則，對(duì)復(fù)雜動(dòng)態(tài)系統(tǒng)的狀態(tài)做出最優(yōu)化估計(jì)。非線(xiàn)性的動(dòng)態(tài)系統(tǒng)在卡爾曼濾波法中會(huì)被線(xiàn)性化成系統(tǒng)的狀態(tài)空間模型，在實(shí)際應(yīng)用時(shí)系統(tǒng)根據(jù)前一時(shí)刻的估算值與當(dāng)前時(shí)刻的觀(guān)測(cè)值對(duì)需要求取的狀態(tài)變量進(jìn)行更新，遵循“預(yù)測(cè)—實(shí)測(cè)—修正”的模式，消除系統(tǒng)隨機(jī)存在的偏差與干擾。使用?Kalman濾波法估算動(dòng)力電池的?SOC?時(shí)，電池以動(dòng)力系統(tǒng)的形式被轉(zhuǎn)化為狀態(tài)空間模型，SOC?則變成為了該模型內(nèi)部的一個(gè)狀態(tài)變量。建立的系統(tǒng)是一個(gè)線(xiàn)性離散系統(tǒng)。

優(yōu)點(diǎn)：能夠根據(jù)采集到的電壓電流，由遞推方法得到SOC的最小方差估計(jì)，解決SOC初值估計(jì)不準(zhǔn)和累計(jì)誤差的問(wèn)題；能有效地抑制系統(tǒng)噪聲。

缺點(diǎn)：工作特性本身呈高度非線(xiàn)性話(huà)的動(dòng)力電池在卡爾曼濾波算法中經(jīng)過(guò)線(xiàn)性化處理后存在誤差，如果模型建立不夠準(zhǔn)確，估算的結(jié)果也不一定可靠，需要準(zhǔn)確的模型算法。該方法算法復(fù)雜，計(jì)算量極大，計(jì)算周期長(zhǎng)，對(duì)硬件性能要求高。

2.擴(kuò)展卡爾濾波算法

EKF是一種偽非線(xiàn)性的卡爾曼濾波。EKF的基本思想是對(duì)非線(xiàn)性函數(shù)的展開(kāi)式進(jìn)行一階線(xiàn)性化截 斷，忽略其余高階項(xiàng)，從而將非線(xiàn)性問(wèn)題轉(zhuǎn)化為線(xiàn)性，因此可以應(yīng)用于非線(xiàn)性系統(tǒng)中。實(shí)際中一階 EKF應(yīng)用廣泛。?

狀態(tài)方程：???? = ??（????, ????）?+ ???? ；?

輸出方程：???? = ??（????, ????）?+ ????

令??（????, ????）= ???????? +???????? ；

??（????, ????）?= ???????? +????????。?

式中：????為系統(tǒng)狀態(tài)變量；????為系統(tǒng)輸入值；????為系統(tǒng)輸出值。

之后與卡爾曼濾波相同，通過(guò)預(yù)測(cè)階段和更新階段的往復(fù)循環(huán)實(shí)現(xiàn)狀態(tài)變量的實(shí)時(shí)估計(jì)。

3.無(wú)跡卡爾曼濾波算法

UKF算法摒棄了對(duì)非線(xiàn)性函數(shù)進(jìn)行線(xiàn)性化的傳統(tǒng)做法，采用卡爾曼線(xiàn)性濾波框架，將UT變化與卡爾 曼濾波結(jié)合在一起。對(duì)于一步預(yù)測(cè)方程，使用無(wú)跡變換來(lái)處理均值和協(xié)方差的非線(xiàn)性傳遞，根據(jù)產(chǎn)生的釆樣點(diǎn)和權(quán)重來(lái)帶入到系統(tǒng)方程和狀態(tài)方程中分析。

4.基于粒子濾波算法

粒子濾波算法是基于蒙特卡羅仿真的概率密度函數(shù)，其實(shí)現(xiàn)過(guò)程主要基于貝葉斯濾波運(yùn)算準(zhǔn)則對(duì)離散隨機(jī)樣點(diǎn)進(jìn)行加權(quán)完成積分運(yùn)算(樣本均值)。該算法不僅能夠精確地對(duì)動(dòng)態(tài)參數(shù)進(jìn)行預(yù)測(cè)和跟蹤，對(duì)時(shí)變系統(tǒng)也能夠很好地估計(jì)和預(yù)測(cè)。

優(yōu)點(diǎn)：第一，可以不用對(duì)其進(jìn)行積分運(yùn)算；第二，對(duì)動(dòng)態(tài)參數(shù)能夠進(jìn)行很好的預(yù)測(cè)和估計(jì)，效果較好；第三，該算法能夠在更復(fù)雜的環(huán)境中適用，實(shí)現(xiàn)的預(yù)測(cè)效果和跟蹤效果顯著?；旧峡梢哉J(rèn)為是最佳的估計(jì)算法和有效的濾波算法。

03基于數(shù)據(jù)驅(qū)動(dòng)的方法

由于鋰離子電池內(nèi)部是一個(gè)復(fù)雜的電化學(xué)機(jī)理模型，所以其內(nèi)部參數(shù)與?SOC之間的關(guān)系也尤為復(fù)雜，具有非線(xiàn)性、動(dòng)態(tài)時(shí)變的特點(diǎn)。數(shù)據(jù)驅(qū)動(dòng)法不需要關(guān)注電池的內(nèi)部機(jī)理，而是利用機(jī)器學(xué)習(xí)算法離線(xiàn)訓(xùn)練得到電池外部數(shù)據(jù)（電壓、電流、溫度等）與?SOC?之間的映射關(guān)系，然后將實(shí)測(cè)數(shù)據(jù)代入模型計(jì)算得到?SOC?估計(jì)值。數(shù)據(jù)驅(qū)動(dòng)法不需要復(fù)雜的數(shù)學(xué)建模過(guò)程，直接通過(guò)數(shù)據(jù)自主學(xué)習(xí)映射關(guān)系，模型建立簡(jiǎn)單，模型準(zhǔn)確度高。

1.神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)法是模擬人腦及其神經(jīng)元用以處理非線(xiàn)性系統(tǒng)的新型算法，無(wú)需深入研究電池的內(nèi)部結(jié)構(gòu)，只需提前從目標(biāo)電池中提取出大量符合其工作特性的輸入與輸出樣本，并將其輸入到使用該方法所建立系統(tǒng)中，就能獲得運(yùn)行中的SOC值。

優(yōu)點(diǎn)：后期處理相對(duì)簡(jiǎn)單，能夠有效避免卡爾曼濾波方法中需要將電池模型化作線(xiàn)性處理后帶來(lái)的誤差；實(shí)時(shí)地獲取電池的動(dòng)態(tài)參數(shù)。

缺點(diǎn)：前期工作量比較大，需要提取大量且全面的目標(biāo)樣本數(shù)據(jù)對(duì)系統(tǒng)進(jìn)行訓(xùn)練，輸入的訓(xùn)練數(shù)據(jù)和訓(xùn)練方式都會(huì)影響SOC的估計(jì)精度；在電池溫度、自放電率和電池老化程度不統(tǒng)一等因素的復(fù)雜作用下，長(zhǎng)期使用該方法估算同一組電池的SOC值，準(zhǔn)確性也會(huì)大打折扣。

2.模糊推理/邏輯法

模糊邏輯方法是基于模糊邏輯推理理論，模仿人的思維方式系統(tǒng)的方法，對(duì)難以建立精確數(shù)學(xué)模型的對(duì)象實(shí)施的一種控制策略給出的一種描述控制。不同于經(jīng)典邏輯，需要一個(gè)精確的數(shù)學(xué)模型和準(zhǔn)確的數(shù)值，模糊邏輯允許使用來(lái)源于我們的知識(shí)和生活經(jīng)驗(yàn)的抽象概念來(lái)建模。

優(yōu)點(diǎn)：開(kāi)發(fā)相對(duì)簡(jiǎn)單，可以獲取大量能表征電池性能的信息，對(duì)電池SOC實(shí)現(xiàn)準(zhǔn)確的估計(jì)，實(shí)現(xiàn)電池狀態(tài)監(jiān)測(cè)。

缺點(diǎn)：計(jì)算量大，對(duì)存儲(chǔ)空間要求大，需要建立模糊控制規(guī)則。

3.支持向量機(jī)法

支持向量機(jī)(support vector machine，SVM)是一種針對(duì)二分類(lèi)任務(wù)設(shè)計(jì)的數(shù)據(jù)驅(qū)動(dòng)模型，其核心思想是將輸入向量映射到高維空間并構(gòu)造最優(yōu)分離的超平面。由于其求解通常是借助凸優(yōu)化技術(shù)，求得的解必定是全局最優(yōu)的，因此相比于ANN，SVM具有更好的泛化能力。

缺點(diǎn)在于，當(dāng)面對(duì)數(shù)據(jù)樣本較大時(shí)，其規(guī)劃問(wèn)題會(huì)變得復(fù)雜，連續(xù)迭代后會(huì)導(dǎo)致模型精度下降，同時(shí)計(jì)算速度也會(huì)降低。

安時(shí)積分法、開(kāi)路電壓法等傳統(tǒng)SOC算法，已經(jīng)廣泛應(yīng)用，但是估計(jì)精度低。為了提高SOC估算精度，需要建立更加準(zhǔn)確的電池模型算法，如基于模型的自適應(yīng)卡爾曼濾波算法、基于數(shù)據(jù)驅(qū)動(dòng)的神經(jīng)網(wǎng)絡(luò)算法等。

各位BMS開(kāi)發(fā)的大牛們，目前都在用哪些SOC估計(jì)算法，歡迎評(píng)論區(qū)交流討論，下期分享SOH不同估計(jì)算法的原理及優(yōu)缺點(diǎn)~

附：改進(jìn)版的擴(kuò)展卡爾曼濾波SOC算法模型資料包

可以關(guān)注公眾號(hào)：【汽車(chē)學(xué)堂Automooc】，在主頁(yè)面發(fā)送關(guān)鍵詞：卡爾曼濾波，直接獲取資料下載鏈接