有个做PACK的朋友跟我抱怨：

"BMS显示SOC还有80%，结果跑了二十公里就趴窝了。这SOC是猜的吧？"

我说：严格来说，不是"猜"，是"估"。而且SOC这个东西，本来就只能估。

别看手机、电动车仪表上都是0到100%的电量条，它们背后都不是简单拿电压除一下就出来的。SOC本质上是一个无法直接测量、需要通过电压、电流、温度以及电池模型估算出来的状态量。估算存在误差是常态，能不能把误差控制住，才是BMS算法的本事。

今天把SOC估算这事掰开说。做BMS测试设备这些年，SOC算法的坑我踩过不少。

01

SOC到底是什么

SOC，State of Charge，荷电状态。它表示当前电池在规定条件下可释放的容量，占其可用容量的百分比。

听起来简单，但问题是：你没法直接"测"SOC。它不像电压，拿万用表一量就有了。SOC是一个估算值，得通过其他能测的量（电压、电流、温度）去推算。

GB/T 38661-2020《电动汽车用电池管理系统技术条件》把SOC估算列为BMS的要求项，标准条文使用"应具有SOC估算功能"。同时规定：对纯电动汽车和可外接充电式混合动力汽车，SOC估算累积误差应不大于5%。需要说明，GB/T 38661-2020本身属于推荐性国家标准，目前仍是电动汽车BMS设计、测试和技术评价的重要参考标准之一。

02

三种主流方法

方法一：安时积分法（Coulomb Counting）

原理最直白：测电流，对时间积分。充进去多少安时，放出来多少安时，一减就知道剩多少。

TI在应用笔记SLUAAR3的一组具体测试中观察到，纯库仑计数出现过约6%的峰值SOC误差。但这个结果只代表特定电池、负载和测试条件，不能理解成库仑计数天然就有6%的误差。

真正的问题在于误差来源：电流传感器有零点漂移，积分器会一点一点累偏；单靠库仑积分本身，没有自动纠正初始SOC误差的能力；电池老化后实际容量缩水，但算法还按出厂额定容量算；低温下内阻、可用容量和充放电特性都会变化，如果容量模型和温度补偿跟不上，SOC估算也容易出现偏差。这些问题叠加在一起，长时间运行后误差会持续累积。

一句话：安时积分法像计步器，走一步数一步。但计步器不知道你起点在哪，也不知道你的步长变了没。

方法二：开路电压法（OCV查表）

原理：电池静置足够久以后，端电压约等于开路电压（OCV）。拿OCV去查一张预先标定好的表，对应出SOC。

这方法准不准，取决于OCV-SOC曲线长什么样。与LFP相比，很多NMC体系的OCV-SOC曲线在较宽SOC区间内具有更明显的斜率，因此端电压通常能提供更多SOC信息。但它同样不是一条简单直线，不能拿两个端点算个斜率就完事。

方法三：卡尔曼滤波（EKF/AEKF）

原理：建一个电池等效电路模型，先用模型预测SOC，再用实际电压测量值跟预测值做差，修正SOC。不断预测、不断修正，像一个"边走边纠偏"的导航。

IEEE Access上有一篇2024年的论文，用自适应EKF配合安时积分的混合方法，在特定电芯、特定工况和特定评价指标下，SOC精度达到了约1%。Nature旗下Scientific Reports也有研究显示，自适应EKF相比标准工业模型，在特定条件下SOC误差降低了约85%。但这些都是特定电芯、特定模型和特定工况下的论文结果，不能理解成EKF普遍就能达到1%精度，也不能说AEKF一定能提升85%。

卡尔曼滤波不是万能的。它依赖精确的电池模型，模型不准，越算越偏。而且计算量大，对MCU算力有要求。

03

LFP为什么特别难

前面说了，OCV查表法准不准，取决于曲线陡不陡。磷酸铁锂（LFP）的问题在于：曲线太平了。

LFP在中间较宽SOC区间存在明显的OCV平台。SOC已经变化不少，OCV可能只变化几个毫伏。因此电压测量误差、温漂、滞回以及模型误差，都可能被放大成明显的SOC估算误差。

这不是BMS不行，是LFP的电化学特性决定的。LFP采用橄榄石型晶体结构，在主要两相反应区间会形成较平坦的电压平台，这也是它仅靠电压判断SOC比较困难的重要原因之一。TI在应用笔记中也提到，LFP在较宽SOC区间内曲线斜率极小，这使得仅靠电压反推SOC变得困难。

高精度汽车级AFE在特定条件下可以做到毫伏级电芯电压测量，但不同芯片、温度范围、校准方式和整机设计的误差差异很大。在LFP平坦区，这些测量层面的差异会被进一步放大。

更麻烦的是，LFP平坦区会降低SOC的电压可观测性。对依赖端电压进行校正的卡尔曼类算法来说，当电压对SOC不够敏感时，校正作用可能明显减弱，估计器会更加依赖库仑计数，因此长期误差修正会更加困难。

不是说滤波器直接罢工了，而是它从电压里能提取的SOC信息变少了，不得不更依赖电流积分——而电流积分的累积漂移问题又回来了。

04

BMS芯片到底干了什么

很多人以为BMS芯片里面集成了SOC算法。实际情况比这复杂一点。

BQ76942、MC33774、MAX17853这类BMS前端/电池监控芯片，共同核心是完成电芯电压、温度、均衡、安全监测等底层功能，但具体能力因器件而异。有些器件还集成电流测量或库仑计数功能。完整SOC估算在很多汽车和工业BMS中仍由外部MCU的软件完成。

但也不能笼统地说"BMS芯片都没有SOC算法"。TI、ADI等厂商也有专门的Fuel Gauge芯片，SOC估算算法可以直接集成在芯片内部。

这里有个概念要分清：Battery Monitor / AFE ≠ Fuel Gauge。前者负责"看见电池"，后者负责"理解电池"。有的方案把它们做在一颗芯片里，有的分开了。所以同样是NXP的MC33774，不同厂家的BMS，SOC精度可以差很多——芯片一样，软件不一样，结果就不一样。

05

黄工的几点建议

1. 没有一种方法是万能的。成熟的SOC方案通常不会只依赖一种信息源。常见思路是利用库仑计数跟踪动态SOC，再通过OCV、模型估计或其他观测信息进行长期校正。有些厂商用EKF/UKF，有些使用其他模型和专有算法，不能一刀切。

2. LFP的SOC估算天生比三元难。不是BMS工程师水平不行，是OCV曲线太平了，电压信息在平坦区能提供的SOC修正非常有限。做LFP的BMS，算法投入要更大。

3. 5%是标准要求，但不是"低于5%就是优秀"。GB/T 38661-2020中的5%是规定测试条件下的标准要求。评价SOC算法还必须看温度、工况、老化状态、初始误差，以及采用的是最大误差、MAE还是RMSE等评价指标。不看条件只看数字，意义有限。

4. SOC测试必须建立真值基准。测SOC精度，你得先知道"真实的SOC"是多少。做法通常是：在同一温度下，用高精度设备把电芯完整充放电一次，拿实际放出容量算出真值，再去跟BMS报的SOC比。没有真值基准，精度数字就是空中楼阁。

5. SOC不准，最先被骂的是BMS厂家。但SOC误差可能来自电流传感器精度、电芯容量衰减、温度补偿缺失、算法模型不匹配——不一定全是BMS的锅。找问题得从整条链路查。

SOC不是一个传感器读数，而是一个估计结果。

评价SOC算法，不能只问"准不准"，还要问：什么电芯、什么温度、什么工况、什么老化状态下，有多准。

回到开头那个朋友。我问他："你那PACK是铁锂还是三元？"

他说："铁锂。"

我说："铁锂确实更难估，但你这个不能一句'铁锂SOC难算'就解释过去。显示80%，跑二十公里就欠压停机，得查。"

"先看是不是某一颗弱电芯先碰到了欠压保护，再查实际容量、SOH、电流零漂、SOC初始化、温度补偿和模型参数。"

他问："那换个准一点的算法行不行？"

我说："先别急着怪算法，把数据拉出来再说。"

阅读原文：点击这里​