1、SOC 表达公式：

2、SOC 使用电流积分计算公式：

SOC（初始值）——上个时刻 SOC 值；

I（充/放电流）——当前传感器测量电流值大小；

T（时间）——电流持续时间；

1、电流 i 误差：

➢ 电流传感器采样误差——电流传感器本身精度因素；

➢ 电流采样间隔——电流打点不密集；

➢ 电流噪声——干扰因素；

2、电池容量 Q（标称容量）变化造成误差：

➢ 充/放电倍率因素——锂电池在不同电流充放电下，所释放电量不同，放电倍率越大，容量下降；

➢ 温度因素——超出常温，对电池放电容量存在影响，温度越低，容量下降；

➢ 自放电因素——长时间放置，电池内部自耗电，容量下降；

现在储能应用较多方法是（安时积分法+开路电压法+卡尔曼滤波）；

1、安时积分法问题：无法消除电流采样精度和采样周期带来误差，系统存在累计误差；

2、开路电压法问题：需要将电池静置，直至电池内部化学反应停止，去除电池内部内阻和 等效电容影响，后面第四点重点介绍处理方案；

3、卡尔曼滤波问题：采用电池的数学模型来建立状态方程与观望方程，然后根据最小均方 方法，找到最优值，由于加权值和递归计算，还是会存在误差。

1、主控模块电流采样电路精度提高，ADC 和参考基准精度提高，达到 0.5%；

2、电流传感器选用较高精度霍尔传感器，达到全量程 1%；

3、电流传感器和主控模块都采用双量程设计，大小电流都可准确采集，自耗电小电流可采 集；

4、主控模块和霍尔传感器采用 1 对 1 工装校正，减少相互叠加误差；

5、主控模块电流采样点周期加快，达到 50ms 总电流采样周期；

四、解决开路电压法问题：

1、针对不同电池，厂家可以提供静态 OCV 曲线，但电池处于充放电过程，由于电池内部 内阻和等效电容，无法直接对应查询 OCV，需要引用一种方法，等效计算出电池在动态充 放电下，查询出对应 OCV；

2、目前主要有（内阻模型、Thevenim 模型、PNGV 模型、GNL 模型）——模型不同，模 拟精度不同；

3、锂电池内部等效模型：

➢ E——电池内部真实电压和容量；

➢ R0——电池内阻直流等效内阻；

➢ Rs、Cs——电池内部交流等效电阻和电容；

➢ Uoc——电池极柱两端测量电压；

——当电池静置充分后，内部化学反应停止，Uoc=UE； ——建模意义：通过数学方程，计算出 R0、Rs、Cs 值；

4、锂电池极柱端电压充放电真实曲线（HPPC 混合脉冲功率特性测试）

（1）电池充满静置 1h，记录以 1C 电流将电池放空时间 T1，重复 3 次，取平均值得到电 池容量 Q1；

（2）电池充满静置 10s，用 1C 电流放电 10s；

五、SOC 同一时刻存在值：

1、SOC（真实值）——我们想找到的目标值，上报系统和报警判断参考值；

2、SOC（当前测量）——通过安时积分法统计计算出的 SOC 值；

3、SOC（估算值）——通过 OCV 查表和数学（二阶）建模统计 SOC 值；

4、SOC（初始容量）——上一个时刻计算出的 SOC 值；

六、卡尔曼滤波算法：

1、卡尔曼算法关键几个名词：递归、加权值、加权平衡、方差；

2、卡尔曼本质：去掉自己不想要的信号，保留想要的部分；

3、卡尔曼原理：

——通过输入测量值，对系统不断测量，然后不断估计，这样持续一段时间之后就能估计 出系统一个非常准确的输出值；

①、使用一把尺寸，测量出此时汽车距离，得到 U 尺；由于尺寸本身有测量误差，导致 U 尺值和真实值 存在偏差；——等效 SOC（安时积分）计算值；

②、使用汽车仪表盘行程，换算出此时汽车距离，得到 U 仪；由于汽车仪表盘测量误差，导致 U 仪值和 真实值存在偏差；——等效 SOC（建模查表）值；

假设此时刻汽车真实距离为 U（真实），我们就需要通过卡尔曼算法，尽量是找到这个真实距离——等效 是真实 SOC（真实）值；

（4）卡尔曼算法公式：

（5）卡尔曼目标： 通过程序利用方程函数，不断对两个输入 SOC 值，进行递归运算，找到尽量真实、准确 SOC 值；

（6）卡尔曼核心解决问题方法：

➢ 通过对 SOC（安时）和 SOC（建模）设定误差范围值，当使用加权 K 值计算后，如何确认计算出值是否正确，是否要调 整加权 K 值，主要是通过判断计算出 SOC，是否都符合两个设定误差范围值内；卡尔曼算法理论上是，随着递归（程序 运算）次数增加，精度会越高；

➢ 安时积分法会带来累计误差，在后期正常运行时，可通过卡尔曼算法，修正这个 SOC 值，去除安时积分误差；

➢ 卡尔曼问题，只能修正两个尽量接近的 SOC 值，SOC（安时）和 SOC（建模）相差不能太大，不然导致无法满足 K 值是 否正确判断

七、SOC 计算过程其他修正方法：

1、通过恒定充电统计容量方法，电池组在充电过程，一般可达到恒定电流（0.25C），相对稳定时间，通 过安时积分方法，统计出中间一段充电容量，来对比 SOC 计算变化值：

——以此来评估卡尔曼和建模 OCV 计算出的 SOC 值精度是否正确；

2、通过对电池组进行满充，使电池组充电到某一节单体电池保护，来校正电池组满充容量，单体电压充 电到保护，此时 SOC 值置 100%，统计出的电池组容量为满充容量；

八、锂电池全量程范围 SOC 计算方法：

九、SOC 其他增加修正方法

1、满充修正法：通过对电池组进行充电到最终保护（通过单体电压触发判断），将 SOC 置 100%；

2、环境修正法：通过环境温度和充放电倍率对不同工况下 SOC 进行修正；

3、自适应修正法：BMS 模块中初始会存储 SOC 对应表，当 BMS 模块在此电池组运行一段 时候后，会根据电池时间运行数据，从新生成 SOC 对应表；

4、防跳变和单向修正：SOC 随时间变化幅度限制，充电增加 SOC，放电减 SOC；

十、储能场景要求高精度计算 SOC 原因：

1、储能电池组剩余电量只能通过 SOC 和初始容量进行对应关系计算出；

2、当电网 EMS 调度储能集装箱并网工作时，需要根据 SOC 值，评估出该站可支持调度电量，决定是否 调度该站，调度时间，是否需要其他站协调问题；

3、电池累计充放电容量、和电网结算电量，都需要通过 SOC 进行计算；

4、电池容量监控状态 SOH，也是根据 SOC 值进行等效计算，对评估电池寿命，预报警有参考作用；

5、当单体电压采集出现波动和干扰时，可通过对比 SOC 进行保护；

十一、SOH 计算方法：

1、电池组 SOH 是评估电池组健康状态关键指标，可对电池运行问题提前预警；

2、系统组装好，设定初始容量 Q1，此时 SOH 置 100%；

3、电池组 SOH 不是动态持续进行计算，软件设定触发条件，当以 0.25C 持续不变化充电， 并且∆SOC≥90%，会出发 SOH 计算逻辑；

十二、BP 神经网络算法：

1、神经网络法是模拟人脑及其神经元用以处理非线性系统的新型算法，无需深入研究电池的内部结构，只需提前从目标电池 中提取出大量符合其工作特性的输入与输出样本，并将其输入到使用该方法所建立系统中，就能获得运行中的 SOC 值。

2、人工神经网络算法用于电池 SOC 估算时，常采用电池的开路电压、充放电倍率、环境温度和电池表面温度等其中几个参数 组合或全部作为输入变量。

3、有研究者将电池容量的衰减度作为输入变量，应用于不同尺寸的电池和不同容量衰减程度的电池时，运算结果都表现出一定的精确性。

4、该方法用于电池 SOC 估算有着很多的优点，但同时也存在计算量大，耗时，需要大存储空间，需要训练样本等一些问题。

——这个算法需要再研究和理解一下；