新闻中心

电池荷电状态SOC（State of Charge）

SOC指荷电状态，也叫剩余电量，代表的是电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，常用百分数表示。其取值范围为0~1，当SOC=0时表示电池放电完全，当SOC=1时表示电池完全充满。锂离子电池SOC不能直接测量，只能通过电池端电压、充放电电流及内阻等参数来估算其大小。而这些参数还会受到电池老化、环境温度变化及汽车行驶状态等多种不确定因素的影响，因此准确的SOC估计已成为电动汽车发展中亟待解决的问题。

SOC状态对锂离子电池的影响

1、锂离子电池的循环寿命与SOC的变化规律与预期一致，均是随之着SOC的降低，循环寿命显著提升。

2、SOC是BMS中最重要的参数，涉及到BMS其他所有运行工作，所以SOC的精度极其重要。假如没有精确的SOC，BMS就无法正常工作，电池会经常处于被保护状态，电池的使用寿命也因此会有所缩短。精度越高有关相同容量的电池，可以有更高的续航里程。

3、锂离子电池在发生热失控过程中有相当一部分的热量来自于电池存储的电能，通常SOC状态较高时还会导致正负极材料的反应活性升高和热稳定性的下降，因此锂离子电池的SOC状态关于锂离子电池在滥用条件下的安全性具有至关重要的影响。

4、不同的温度和不同SOC对锂离子电池的存储影响各不相同，55℃对锂离子电池的容量衰减影响最大，而0%和100%SOC均不是最有利电池性能发挥的最佳荷电状态

电池健康状态SOH（State of Health）

SOH是指蓄电池容量、健康度、性能状态，简单的说是电池使用一段时间后性能参数与标称参数的比值，新出厂电池为100%，完全报废为0%。是电池从满充状态下以一定的倍率放电到截止电压所放出的容量与其所对应的标称容量的比值，简单的理解为电池的极限容量大小。电池的内阻与SOH存在一定的关系。SOH越低，锂离子电池内阻越大，通过检测电压、电流、温度等数据，间接计算出电池的内阻值，然后根据SOH与电池内阻的关系计算求得SOH。但是电池的内阻在SOH变化范围不大时变化不明显，而当电池老化严重时电阻值的变化较大，因而该方法在SOH变化较小时，测量的误差会较大

电池放电深度DOD（Depth of discharge）

DoD是表示电池放电量与电池额定容量的百分比。当电池的放电量至少超过其额定容量的80%时即可认为达到深度放电。

表达式为：，当电池的放电量至少超过其额定容量的80%时即可认为达到深度放电。则在实际应用中，最好让每个电池都工作在5%~95%的区间。低于5%可能会过放高于95%可能会过充，从而发生一些不可逆转的化学反应从而影响电池寿命。

适当减少动力电池的充放电深度（在电池Pack未达到报废而不同单体一致性差距又较大时）是可以提高电池的安全性、延长电池寿命的，若在此过程中，增加主动或被动均衡，可以提高安全性、延长寿命的同时更多的保留电池的性能（是有大量的理论分析及实验数据表明的）。因此电池Pack自均衡或者交由专业人士进行维护（包括必要的降低放电深度DOD，降低输出能量）是重要的，不仅可以提高动力电池组的整体有效能量，还可以一定程度延长动力电池组的使用寿命。

电池剩余能量SOE（Stete of Energy）

剩余能量(RE)或能量状态(SOE)是电动汽车剩余里程估计的基础，与百分数的SOE相比，RE在实际的车辆续驶里程估计中的应用更为直观。在电动汽车使用过程中，电池的剩余能量(RE)是指以某一工况行驶时，从当前时刻直至电池放电截止过程中，电池累计提供的能量。RE可以由电池端电压Ut与相应的累积放电容量Qcum组成的坐标系上的面积表示，如下图所示。

当前时刻t的电池端电压为Ut(t)，放电截止时刻记为tlim，对应的端电压为电池允许的最低放电电压Ut(tlim)。当前时刻的荷电状态为SOC(t)，已累积的放电容量为Qcum(t)。放电截止时刻tlim对应的SOC和累积容量分别记为SOClim和Qcum(tlim)。图中，端电压变化表示为绿色曲线，曲线下围成的(绿色斜线)面积对应电池当前时刻在此种工况下的剩余能量RE(t)，其计算过程对应公式如下。

由于不同的充放电情况对应的端电压响应不同，使得电池在同一时刻t提供的剩余能量RE(t)也不相同。此处用一组标准电流倍率下的放电情况作对照，标准情况的端电压Ut,st如图中蓝色曲线(Qcum-Ut,st)所示。由电池SOC和标准放电容量的定义，此时放电截止位置的SOC值SOClim,st为0，累积放电容量Qcum,st等于电池标准容量Qst。标准放电工况下对应的剩余能量REst(t)与之前的RE(t)有明显的差距。电池剩余放电能量的差异同样可以由当前的RE(t)与理论上最大的剩余放电能量(电池开路电压OCV曲线围成的面积，图中黑色虚线所示)进行比较。

不同放电工况下电池的能量损失不同，因此只有预测某一特定功率需求下的电池电压响应过程，才能获得准确的RE预测值。由于锂离子电池的特点，其电压输出受到很多变量的影响，如当前SOC、温度、衰减程度SOH，因此在能量预测过程中除传统的SOC估计模型外，还需要一个专门的电压预测模型。刘光明等提出一种适用于动态工况的电池剩余放电能量精确预测方法EPM(energypredictionmethod)，如下图所示，该方法基于当前的电池状态和未来的电流输入，根据电池模型对未来放电过程的电压变化进行预测，并计算放电过程中的累积能量。预测过程中，根据当前的电压、电流测量值对模型参数进行修正，对端电压序列与RE的预测结果进行更新。