车载电池管理系统SOC现状分析与挑战

　　作为新能源行业分析领域的专业人士，接下来的日子将随着自己对新能源动力电池领域的深入分析，将一些电动汽车技术领域的基础知识分享给大家，真正了解行业本 质技术。此次选择动力电池管理系统的SOC分析，一方面是因为SOC是BMS的核心，BMS是动力电池的核心，动力电池是新能源汽车的核心，SOC对新能 源汽车至关重要；另一方面是因为新能源汽车整体太庞大，很难说深，说小说深较好把控，也学习的深入。

　　

　　SOC是当前动力电池剩余电量/容量的简称，汽车通过SOC，知道目前的电量状态，通过SOC，我们把综合影响因素说开去，形成一个宏观系统的概念。

　　一：现状分析

　　如果没有准确的SOC，会出现的情况：

　　1、过充/过放情况，导致缩短电池寿命，趴窝等；

　　2、均衡的一致性效果不理想，降低输出功率，动力性能降低；

　　3、为了避免趴窝，设置过多冗余电量，减少整体能量输出；

　　所以SOC的精确估算意义重大，对车主而言，SOC直接反应的是当下的电量状态，还能行驶多远的距离，确保能顺利抵达目的地；对电池本身而言，SOC的精确估计背后涉及开路电压、瞬时电流、充放电倍率、环境温度、电池温度、停放时间、自放电率、库伦效率、电阻特性、SOC初值、DOD等的非线性影响，而且这些外在特性彼此影响，彼此也受不同材料、不同工艺等的影响，所以精确估计SOC数值变得非常重要，其算法也是相关企业的核心竞争力之一。

　　接下来我们将讨论SOC算法的现状、深入分析其影响因素和实际问题讨论。

　　二：算法现状

　　目前SOC主流估算方法有放电法、安时积分法、开路电压法、神经网络法、卡尔曼滤波法。

　　■放电法即是将电池作放电实验，以放出电量的多少为电池容量，但实际行车情况剩余电量是用来行驶的，无法单纯以放电结果作为电量预估标准。

　　■安时积分法是通过初始 与工况状态下电流和时间积分的和来计算当前电量，当前SOC精度主要依赖初始 和瞬时电流的精度，但是随着时间延长，误差累计严重，且无法单独修正。

　　■开路电压法是根据不同材料体系、工艺的电池其静止开路电压与SOC的对应关系来计算。

　　

　　但是准确的开路电压需要一段时间静置恢复，因为充电和放电过程会让电池内部化学反应持续一段时间，延长部分极化状态，形成极化电势，提高和降低瞬时开路电压，使单纯的开路电压在实际工况状态下受到行车干扰而不准确。故工况状态下测得的开路电压只能作为参考，并不是真实开路电压。

　　■神经网络法由局部电压、电流、温度、内阻等各种瞬时数据形成输入层，自动归纳规则成隐层，再通过系统模型的输出层收敛和优化形成瞬时SOC。各层信息互不通信、并无联系，但目前达到商业标准的收敛、优化、建模技术还没有实际解决，成本高，稳定性差特点，技术还在研究阶段。

　　

　　■卡尔曼滤波法是匈牙利的R.E.Kalman 在 1960 年提出的基于最小均方差的数字滤波算法，用于最优估算动态系统状态。优点是对 的初始误差有很强的修正作用，缺点是需要较强的数据处理能力，准确度由电池模型决定。目前研究热度很大。

　　总结来说，神经网络法太难，卡尔曼滤波法研究非常多，但并不知道实际技术运行数据，放电法无法实际运用，安时积分和开路电压法单独使用误差很大。目前主流的方法是安时积分加开路电压法结合，实践起来较为容易，惠州亿能、科列和CATL等的乘用车误差基本可以实现在5%以内。

　　安时积分法和开路电压法影响因素影响因素也非常多，这些因素的分析对我们深入了解电池特性非常有必要，也能通过分析不断提高和改进SOC精确度的发展方向。