NEW ENERGY AUTOMOBILE | 新能源汽车锂电池SOC的估算方法 目前常用的SOC估算方法有：安时积分法，安时积分法忽略了电池放电、老化等因素对SOC的影响，且SOC初始值无法获取，长时间会导致误差积累扩大；开路电压法，电池需要静置足够长的时间，不适合工作状态电池SOC的计算；内阻法，对硬件的要求高且受电池温度影响比较大；放电法，主要用于脱机状态下电池的测试，不适用于行驶的新能源汽车；神经网络法，需要大量采集样本的数据，计算量大；卡尔曼滤波法，对硬件要求高实际较少采用。文章对SOC的估算方法比较、分析，预测了SOC的估算发展方向。1 SOC的定义
SOC（State of charge）即荷电状态，用来
的主要参数[1]，其数值上的定义为电池的当
前容量与电池的额定容量的比值。美国先进
电池联合会对其定义为：电池在某一特定的
放电倍率下，剩余电量与它的额定容量的比
值，其计算公式如（1）所示：
SOC=Q C/Q1×100%=1-Q/Q1（1）
式中：Q C表示锂电池的剩余电量，Ah；
Q1表示锂电池的额定容量，Ah；Q表示锂电
池的放电量，Ah。
当SOC=100%时，表示锂电池处于充满
电的状态；当SOC=0时，表示锂电池的电彻
底放完；SOC的范围在0到100%之间。
2 锂电池SOC的估算方法
2.1 安时积分法
安时积分法是通过对锂电池的充放电电
流的累积计算[2]，获得SOC值，其计算公式[3]
如（2）：
SOC（t）=SOC（t0）-∫t0ηI（t）dt （2）
式中：SOC（t）表示SOC与时间t的函数
关系，s；SOC（t0）表示t0时刻动力电池组
的SOC值；η表示库伦效率；（t）表示t时
汤文科 于晨斯 严匡林
九江职业技术学院汽车工程学院 江西省九江市 332007
摘 要：新能源汽车的锂电池组受到老化、容量、极化、温度等众多影响，使锂电池组SOC的估算准确性和精度不高。文章介绍了安时积分法、开路电压法、内阻法、放电实验法、神经网络法、卡尔曼滤波法的计算原理，分析了各种估算方法的优势和劣势，指出了各种估算方法适用的条件。结果表明，单一的方法估算SOC都存在优点和缺点，多种估算方法相结合能提高SOC的准确性和精确度，神经网络法、卡尔曼滤波法有比较好的发展潜力。
关键词：锂电池 SOC 估算 卡尔曼滤波法
Estimation Method of Lithium Battery SOC
Tang Wenke，Yu Chensi，Yan Kuanglin
Abstract： T he lithium battery pack of new energy vehicles is affected by aging, capacity, polarization, temperature, etc., which makes the estimation accuracy and precision of the SOC of lithium battery pack low. This paper introduces the calculation principles of ampere hour integral method, open circuit voltage method, internal resistance method, discharge experiment method, neural network method and Kalman filter method, analyzes the advantages and disadvantages of various estimation methods, and points out the applicable conditions of various estimation methods.
The results show that a single method for estimating SOC has advantages and disadvantages. The combination of multiple estimation methods can improve the accuracy and precision of SOC. The neural network method and Kalman filter method have good development potential.
Key words： L ithium battery, SOC, estimation, Kalman filter
96AUTO TIME
NEW ENERGY AUTOMOBILE | 新能源汽车
时代汽车 wwwautotime
刻电池组充放电电流，A。
此种方法不用考虑电池的内部因素，主要关注的是电流，通过实时测量充放电电流，实时计算SOC的值，与其他方法相比相对容易实现。但是存在以下问题：一、受到电池老化、容量、电池温度等因素影响比较大，无法通过修正系数对这些因素进行准确补偿。
二、无法获取SOC的初始值。三、电流、电压、温度等测量存在误差，随着时间的推移误差不断扩大[4]。安时积分法单独使用精度不高，常常与其他相互结合，并采用修正系数减少SOC的误差，提高SOC精度。
2.2 开路电压法
开路电压表示外接电路断路，电池在稳定状态下正负两端电压。开路电压法需要对锂电池较长时间的静置，测量不同的端电压对应SOC值[5]，获得端电压-SOC曲线。由于端电压与SOC的关系相对稳定，实际工作中，只需测量锂电池的端电压就可获得SOC，其计算公式如（2）所示。
U O=f ocv-SOC（SOC）（3）式中：U O表示锂电池的端电压，V；f ocv-
SOC
（SOC）表示端电压与SOC的函数关系。
开路电压法，计算量小，通过实验比较容易得到端电压与SOC的关系。此种方法存在以下问题：一、电池需要静置足够长的时间，新能源汽车在行驶过程中不太可能长时间停车[5]。二、受放电倍率的影响比较大，不同充放电倍率的情况下，端电压-SOC曲线不同。
开路电压法单独使用会造成很大的误差，其通常应用在充电初期或者充电末期估算SOC，与安时积分法结合使用。
2.3 内阻法
由于电池内阻和SOC存在一一对应的关系，建立电池内阻-SOC的函数，通过测量电池的内阻可获得SOC值[6]。
U（t）=E-I（R0+R r）（4）式中：E表示锂电池的电动势，V；R0表示锂电池的内阻，Ω；R r表示锂电池的极化内阻，Ω。
采用直流法测量锂电池的内阻，测量两组电压、电流值，两组测试时间间隔较短，通过欧姆电阻法计算电池。
R0+R r=ΔU/ΔI（5）式中：ΔU表示两次测量的电压之差，V；ΔI表示两次测量的电流之差，A。
通过实验数据分析可以获得锂电池电池
内阻-SOC的函数。此种方法存在以下问题：
一、受电池温度影响比较大；二、内阻和soc
的函数关系是非线性的，计算复杂且运算量
大；三、电池的充放电电流在汽车行驶过程
中变化迅速，电池的内阻难以准确计算。第四、
当充放电电流较大时，锂电池的内部产生极
化内阻，对电池内阻产生干扰。第五、SOC
受到内阻测量误差影响比较大，较小的内阻
误差能产生较大的SOC误差。
内阻法受电池温度、电流影响比较大，
单独计算不容易得到准确的SOC值，其常
常与安时积分法结合使用，对放电后期电池
SOC的估算。
2.4 放电实验法
放电法是将电池在恒定的电流条件下放
电，放电到电池允许的最低电压为止，放电
时间与放电电流的乘积即可获得放电电量。
放电法主要适用于实验室条件下锂电池组的
SOC的估算，目前较多的电池生产厂家通过
放电法对电池做测试。
放电法的缺点是需要消耗很多时间，测
量过程中电池处于脱机的状态，测量的电路
中没有负载。新能源汽车行驶的过程中，锂
电池一直处于工作的状态，锂电池的放电电
流也不是恒定的，此种方法不适用于行驶的
汽车。
2.5 神经网络法
神经网络法是一种信息处理的数学模型，
它是以人的大脑神经网络作为启发[7]。神经
网络法采用向量乘法、广泛采用函数符号及
各种逼近。把锂电池的外部特征参数电流、
电压、温度看成输入量，通过大量数据对系
统反复训练、修正[8]，当SOC达到允许的误差，
在利用该系统对新输入进行SOC预测，神经
网络算法结构如图1所示[9]。
该方法无需考虑电池的内部特征，可以
应用到各种新能源汽车上，应用范围广，其
计算精度与样本数据的精度有关。该方法的
缺点是，容易受到干扰，计算量大且复杂，
对MCU的计算能力要求比较高。
2.6 卡尔曼滤波法
卡尔曼滤波算法思想，通过前一时刻的
估计值和现在时刻的观测值，得到动态系统
现在时刻变量的最佳值[10]。卡尔曼滤波法数
学表达式为;
状态方程：
x k=Ax k-1+Bu k+w k （6）
输出方程：y k=Cx k+v k （7）
卡尔曼滤波结构图如图2所示。
式中：x k表示现在时刻的值，x k-1表示上
一时刻的值，u k表示输入值，w k表示噪音，A
表示状态转移矩阵，B表示控制矩阵，C表示
是测量系统的参数。
通过卡尔曼滤波算法估计soc值需要建立
恰当的电池模型，电池模型的准确性影响卡
尔曼滤波法的预测精度。Rin模型、Thevenin
模型是比较常见的两种模型，其电路图如3、
图4所示。
图2 卡尔曼滤波结构图
x k-1
w k v
k
y k
x k
u k
A C
B
图1
神经网络算法结构
X
W
Y
AUTO TIME 97
NEW ENERGY AUTOMOBILE | 新能源汽车
图3 Rin 模型
R0
图4 Thevenin 模型
R1
R1
R1
R1
卡尔曼滤波法的估算精度与电池的模型精度有关。卡尔曼滤波法能对数据实时处理，实时性较好，能消除误差累积，应用范围适用于各种新能源汽车。此方法的缺点是，建立电池模型复杂，计算量大，对MCU的计算能力要求高，实际较少采用[11]。
3 结语
单一SOC的估算方法都存在缺点，难以获得较高精度的SOC值。SOC的估算通常将不同估算方法结合取长补短。安时积分法常与开路电压法相结合，获取soc初始值；内阻法常与安时积分法结合估算放电后期SOC值；神经网络法、卡尔曼滤波法有比较好的发展潜力，有学者将其和其他方法结合，能有效提高SOC的估算精度。
根据以上SOC估算方法比较分析，预测
SOC估算方法未来的发展趋势。
（1）采用两种或者两种以上的估算方法
相结合，提高估算精度。
（2）采用精度较高的传感器，测量电流、
电压、温度等，减小SOC的估算误差。
（3）采用运算能力强的MCU，实时处
理大量数据。
（4）SOC的预测考虑电池容量、老化、
极化等内部因素，也考虑电池的电流、电压
温度等外部特征。
基金项目：教育厅科技课题
（GJJ204007）。
参考文献：
[1]刘莉，胡社教.基于锂电池SOC估算方
法[J].电源技术研究与设计，2017，1（4），
57-63.
[2]SNIHIR I，REY W，VERBITSHIY E，et al.
Battery open-circuit V oltage Estimation by a
Method of Statistical Analysis [J].Journal
of Power Source，2006，159（22）：
1484-1487.
[3]杨文荣，朱赛飞，陈阳.基于改进安时积
分法估计铿离子电池组soc[J].电源技术研
究与设计，2018，10（02），83-85.
[4]ORCHARD M，HEVIAKOCH P，ZHANG
B， et al. Risk Measure for Particle-Filtering-
Based state-of-charge Prognosis in Lithium-
ion Batteries [J].IEEE Transactions on
作者简介
（1988—），男，湖北黄冈人，讲师，
硕士研究生学历。主要从事汽车诊断技
术，汽车安全性研究。
Industrial Electronics，2013，60（11）：
5260-5269.
[5]张礼宪，周雨辉，魏涛.电池管理系统
SOC估算方法及应用[J].客车技术与研究，
2018，10（06），21-25
[6]杨培善，白银.电动汽车动力电池SOC估
计算法分析[J].新能源汽车2019，15（06），
15-18.
[7]刘晓悦，魏宇册.优化神经网络的锂电池
soc估算[J].机械设计与制造2021，11（01），
83-87.
[8]丁镇涛，邓涛，李志飞.基于安时积分和
无迹卡尔曼滤波的锂离子电池soc估算方
法研究[J].中国机械工程2020，15（09），
1283-1830.
[9]鲍慧，于洋.基于安时积分法的电池SOC
估算误差校正[J].计算机仿真2013，30
（11），148-152.
[10]张持健，陈航.铿电池SO C预测方法综
述[J].电源技术2016，06，1318-1321.
[11]汪伟，黄河，龙宇舟，王全.基于改进安
时积分法的动力电池SOC估算[J].客车技
术与研究2021，03，12-15.
98AUTO TIME
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议