因为我们估算的方法，采集用电压、电流和温度三个数据参量来估算电池的SOC，本身电池一路就有衰减，就剩余容量SOC估计的算法主要的问题，是SOC的算法需要知道初始的SOC、需要知道电池的容量，在计算过程中由于测量误差（V、I和T采集参量的误差）会累积、从一个错误的值上面很难回归，还有一个有趣的就是在车辆运行的充放电的行为会跳来跳去。这里我们再展开一下：
1）初始的SOC：由于整个电池包，单体、模组甚至整包都会有自放电和漏电流两项，导致长时间停放这种模式下，真实的SOC就会漂移。
2）容量：其实按照我们现在已知的概念，如果类似韩国那种直接出来，电池出厂到上车容量就是会有偏移，哪怕分了容，用一阵子就会变。
3）错误的累积和突然误差：林学长给我看了个图，是某车在实际的运行中的问题，整包的SOC工作在20%左右，突然某单体陷入保护模式，车主给拖回去了。错误的累积如果无法及时纠正，你面临两难选择，透支单体进行Limp home回家，或者直接拖车回家/
使用OCV纠正的模式来操作。这里的基本概念，还是OCV来对应SOC的计算，可以与初始值和测量的积累误差分离，所以他们核心的思路，就是设置比例来融合两个参考值。
当然说法也可以说是用OCV来矫正，不管是谁，总体的做法是差不多的。
总体步骤的区别不大，在于OCV的校正方法
1）基于HPPC的数据，建立一个二阶模型
2）通过递归的最小二乘法来调整模型参数，通过对比模型的输入输出与测量的实际结果值
3）通过等效的RC模型，获取OCV
4）从Voc里面分离电池的温度动态电压（Vo），这里需要去除滞回电压（Vh）
5）纠正温度对应Vo和SocV
6）最后再决定权重
参考如下
- 在线实时估算电池组的电池参数从而精确估算出电池组的SOC，
- 能在短时间内纠正初始SOC超过10%的误差以及超过20%的安时容量的误差
- 可纠正百分之几的电流测量误差。
算法可以在电池的整个生命周期中始终保持估算精度不变
基于模型的考虑肯定是要有的，做卡尔曼滤波啥的，对MCU的运算速度还是有要求的。
OCV-SOC曲线如果要用来矫正，整个测试的之间静置规格需要与后面BMS的时钟进行匹配
如晓宇之前所说的：
SOC-OCV曲线是我们电池在SOC标定过程中非常重要的一条曲线，通常在电动汽车运行了一段时间后，在车辆静置再启动前，BMS会调用这个曲线，对SOC值进行一次矫正，并通过一定的算法和其他矫正系数得到一个SOC值的更新，因此这个曲线的准确性就显得尤为重要，可能直接关系到了SOC的精度
在这种测试工况下未有足够的静置时间，由于低温下电池较严重的极化，显然电池还没有达到绝对的稳态，也就是说第一静置时间不够长，第二在每一个SOC range调整之间的电流还不够小。但实际工况中会有绝对长的静置时间吗，于是这其实也就引出了另一个问题，我们到底要什么样的SOC-OCV曲线，是结合实际工况的呢？
每5%SOC，12个小时搁置时间，0.05C的电流被认为是一个很接近稳态的测试方法
在最近的一个里面，如果我们把稳态的用K值去估算，大概确实要20小时，K值才能不往上走，40小时完全进入稳态
第二部分 矫正的时机（应等待足够的静置时间，确认温度的情况）
SOC的算法主要的问题，是SOC的算法需要知道初始的SOC、需要知道电池的容量，在计算过程中由于测量误差（V、I和T采集参量的误差）会累积、从一个错误的值上面很难回归：
1）初始的SOC：由于整个电池包，单体、模组甚至整包都会有自放电和漏电流两项，导致长时间停放这种模式下，真实的SOC就会漂移。
2）容量：电芯容量目前都是不测容量，是通过抽样来控制的，容量的一致性完全交给前面的原料和生产过程的一致性
3）错误的累积和突然误差：在工作一段时间以后，算法由于负荷的原因，基准可能引起挺大的偏差
我们用的这个温度、时间的跨度需要和上面的进行匹配，否则静置时间不对的，电压会在变化。同时需要根据当时的最小和最大SOC，还有矫正的情况综合来调整这个数据。
第三部分 OCV-SOC曲线在容量变化后的漂移
某较苛刻条件下的快充工况标定数据，电池为某款能量型电池，可以看到在测试跨度约一年的周期内，分别截取BOL，约500大圈和约1000大圈的数据：
从上表我们可以明显看到变化趋势，
- 同一个SOC点下，OCV值是有逐渐降低趋势的，
- 从BOL到1000圈，各SOC标定点降低幅度约10-30mv，甚至有些点SOC点降低接近了40mv
造成有些电池的OCV 漂移的原因是什么， 其实这些漂移的同时，往往也伴随着电池本身容量的衰减，而容量的衰减其实也正反应了电池本身正极材料可能已经发生了部分失活，而这种情况在富锂锰基正极材料中可能表现的更为明显，因为这种材料在循环后期由于其自身较差的稳定性，可能从层状结构转为尖晶石状，最终导致了电压平台的变化。而其他较稳定结构的正极材料这种变化趋势可能就没有那么明显。
如果我们后面追求高容量的结构，大部分的材料变化在10%和20%的衰减之后，都会导致OCV曲线的漂移。与上面晓宇做的实验不一样，我们需要根据不同的衰减，是Fast charging或者DST耗尽模式的衰减进行对比，然后比较OCV的差异
小结：想要打通在整个环节上面的数据测试、验证和算法建模和使用的问题，任重而道远，要保证整个生命周期的特性是好的，要付出挺多的努力的
参考文件：
1）《Li-Ion Battery State Estimation and Prognosis》 MutasimSalman、XidongTang和Xiaofeng. Mao
2）《Li-ion Battery Parameter Estimation for State of Charge 》Xidong Tang, Xiaofeng Mao, Jian Lin, and Brian Koch
3）US20110309838 《APTIVE BATTERY PARAMETER PXTRACTION AND SOC ESTIMATION FOR ITHIUM’ION BATTERY》
4）US20090091299 《DYNAMICALLY ADAPTIVE METHOD FOR DETERMINING THE sTATE OF CHARGE OF A BATTERY》
来源：知乎 www.zhihu.com
作者：朱玉龙
【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载
此问题还有 49 个回答，查看全部。
延伸阅读：
家庭使用的电动汽车最终续航会在多少公里左右比较合适？