动力电池SOC估算难点

传统燃油车上有油表，还有多少油，还能跑多远，看一眼心里就有数了。换做是电动汽车，驾驶员则需要了解电池包还剩下多少电量。荷电状态又叫剩余电量，SOC，State of Charge，是反应电池包内当前电量占总体可用容量百分比的一个参数。驾驶员根据满电状态总的里程数，可以推断出当前电量的续航能力，也有车型直接显示续航距离。

电量估计不准确的电动汽车，往往给车主带来一些困扰。

电量跳变，即将停车的时候，扫了一眼电量，还剩下50%，估计回程勉强够用了。过一会回来发动车子，发现电量指示在了40%，貌似回不去了……

突然掉电，电量还有30%的时候，一脚加速，骤然报警电量过低，停车了……

SOC的准确性，一直是电动汽车用户诟病的重点，在网络论坛上时常能看到，电动汽车车主说又被放到半路的抱怨帖。发展多年的电动汽车，SOC的准确估计仍然没有做的特别好。

SOC预测存在哪些难题

1. 电池开路电压(OCV)特性。电池开路电压指的是电池在静置状态下，正负电极之间的电位差。以下图为例，图中展示的是两种锂电池的OCV-SOC曲线。一般通过充电或者放电到特定SOC后，电池进行静置一段时间(通常为两个小时或者更长时间)测量得到的电池电压，以此得出OCV-SOC曲线（注：一般而言，即便对于同一SOC，充电后和放电后静置得到的OCV也是不一样的）。对于三元类电池，SOC与OCV对应关系还好，严格单调，且不同SOC的OCV差异比较明显。但是对于磷酸铁锂而言，有一段相当长的SOC区间很平坦，OCV差异很小，而且并非严格单调的，表现为同一个OCV值对应多个SOC点。所以单纯用SOC-OCV对应关系来预估SOC，存在静置时间难以满足，精准度不够等难题。

2. 充放电倍率与端电压对应关系特性。电池动态情况下，我们测量到的电池电压，实际上电池的端电压。下图为一个简单的电池一阶RC模型，其中左侧的电压源代表OCV，R表征内阻，R1C1表征极化，右侧输出为端电压。所以一旦电池进行充放电，则端电压与OCV相差甚远。

选取某个电流倍率，让电池以该倍率进行恒流充电或者放电(注：同一电流下充和放，得到的曲线也是有差异的)，可以得到一组端电压与SOC的对应关系。下图为某一个温度下，磷酸铁锂电池不同倍率的端电压曲线。那能否以这一曲线进行SOC预估呢？实际上，除了电池恒流充电阶段，电池的工况电流很少有长时间恒流充放电阶段，只要有不同电流切换存在，那么电池极化的差异就会让端电压偏离预测曲线。

3. 温度特性。前面两期有提到不同材料体系的电池，表现出来的温度特性是不一样的。以磷酸铁锂为例，下图为不同温度下电池表现出的SOC与内阻关系。总体而言，电池的内阻随着温度和SOC的变化而变化，且对于低温很敏感。同理，OCV，极化等参数，也会随着温度的变化而变化。这无疑进一步加剧了预测的难度。

4. 电池的成组效率。上述的特性是以单个电芯表现出来的特性。在实际整包应用中，由于电芯的串并联组合，会使情况变得更加复杂。不同电芯间难免存在欧姆内阻、极化内阻、自放电率、初始容量等差别。如下图为一个最简单的例子：一个电池包由三个电芯串联而成，额定容量为50Ah，不考虑均衡。由于额定容量和初始容量存在差异，实际在放电过程中，电量少的先放空，充电时电量多先充满。这就造成了成组后的效率降低，也让成组后的SOC预估更加困难。

5. 除此之外，其实还有很多因素会造成SOC预估困难，如实际BMS的MCU或者AFE测量精度，采样频率，日历/循环寿命的影响等等。

总结：实际的多电芯串并联组合的应用场合，是上述所有因素加权，共同影响着SOC的预估准确性，因此想要电池全生命周期范围内都能准确预估SOC，依旧是一个世界性的难题。一般而言，对于电动车或者储能领域，能保证全质保阶段内，SOC精度控制在8%以内就相当不错了。