作者：Martin Murnane ADI公司太阳能光伏发电系统 Adel Ghazel EBSYS Technology Inc./WEVIOO Group首席技术官
简介
基于锂离子 (Li-ion) 电池单元的电池组广泛用于各种应用，例如：混合动力汽车 (HEV)、电动汽车 (EV)、可供日后使用的再生能源储存以及用于各种目的（电网稳定性、调峰和再生能源时移等）的电网能源储存。在这些应用中，测量电池单元的充电状态 (SOC)非常重要。SOC定义为可用容量（单位为Ah），以额定容量的百分比表示。SOC参数可看作一个热力学量，利用它可评估电池的潜在电能。估计电池的运行状态 (SOH) 也很重要；SOH以新电池为比较标准，衡量电池储存和输送电能的能力。ADI公司的功率控制处理器ADSP-CM419是处理本文所讨论的电池充电技术的处理器典范。
本文考察基于库仑计数的SOC和SOH估计所用的算法。本文界定了库仑计数的技术环境要求，并且概要阐述了SOC和SOH参数的估计方法，具体说来有库仑计数法、电压法和卡尔曼滤波器法。
同时介绍了多种用于SOC和SOH估计的商业解决方案。此外，本文详细说明了同类最佳的SOC和SOH估计算法，尤其是增强型库仑计数算法、通用SOC算法和扩展卡尔曼滤波器算法。最后说明了评估程序及所选SOC和SOH算法的仿真结果。
电池SOC测量原理
确定电池SOC是一个很复杂的任务，与电池类型及其应用有关，所以近年来开展了许多旨在提高SOC估计精度的开发和研究工作。精确估计SOC是电池管理系统的主要任务之一，其有助于改善系统性能和可靠性，并且还能延长电池寿命。事实上，精密估计电池SOC可以避免意料之外的系统中断，防止电池过度充电和放电（这可能导致电池永久损坏，具体取决于电池的内部结构）。然而，电池充电和放电涉及到复杂的化学和物理过程，在不同工作条件下精确估计SOC并不是轻而易举的事。
测量SOC的一般方法是非常精确地测量所有工作条件下流入和流出电池组的电量（库仑）和电流，以及电池组中各电池单元的电压。然后利用此数据和先前加载的与被监测电池完全相同的电池组数据，得出SOC的精确估计。这种计算需要的其他数据包括：电池温度、电池模式（测量时电池是充电还是放电）、电池年龄，以及从电池制造商那里获得的其他相关电池数据。有时候可以从制造商那里获得关于锂离子电池在不同工作条件下的性能的特性数据。确定SOC之后，便由系统负责在后续运行中更新SOC，基本上就是计数流入和流出电池的电量（库仑）。如果初始SOC的精度不够高，或者受其他因素影响，比如电池自放电和漏电效应，那么这种方法的精度可能无法令人满意。
