荷電狀態估算是鉛酸蓄電池進行充放電控制以及均衡管理的重要依據，文章全面分析了蓄電池荷電狀態SOC的定義以及影響SOC估算的因素，總結現有SOC估算方法，并對先進估算方法進行了探討。

鉛酸蓄電池簡介：

鉛酸蓄電池最明顯的特征是其頂部有可擰開的塑料密封蓋，上面還有通氣孔。這些注液蓋是用來加注純水、檢查電解液和排放氣體之用。按照理論上說，鉛酸蓄電池需要在每次保養時檢查電解液的密度和液面高度，如果有缺少需添加蒸餾水。但隨著蓄電池制造技術的升級，鉛酸蓄電池發展為鉛酸免維護蓄電池和膠體免維護電池，鉛酸蓄電池使用中無需添加電解液或蒸餾水。主要是利用正極產生氧氣可在負極吸收達到氧循環，可防止水分減少。

引言

隨著傳統能源危機以及各種環境問題的日益嚴峻，太陽能光伏發電受到了世界各國的高度重視。鉛酸蓄電池作為重要的儲能元件，其性能優劣直接影響著光伏發電系統的穩定運行。為了延長蓄電池的使用壽命，保證光伏儲能系統的安全可靠經濟運行，必須對蓄電池的荷電狀態SOC進行準確估算。

1.蓄電池荷電狀態SOC

蓄電池SOC概念可以從電量和能量兩個不同的角度來定義。

從SOC的定義中可以看出，影響SOC估算的因素主要是影響電池容量的因素。蓄電池放電容量與實際放電過程中的放電電流大小密切相關。溫度的變化會引起蓄電池容量的變化。在允許溫度范圍內，溫度上升會引起電池化學反應加速，電解液粘度減小，擴散速度加快，離子的傳遞能力加強，這些都使得蓄電池能夠放出的實際容量增大。相反，溫度降低，化學反應緩和，電解液粘度增大，離子的傳遞能力減弱，從而使得蓄電池能夠放出的實際容量減小。同樣隨著循環使用次數的增加，蓄電池將出現活性物質脫落，極板腐蝕，極板硫酸鹽化等不可恢復性現象，從而導致電池容量的衰減。電池老化程度對容量的影響很大，可是在實際使用過程中，很難對老化程度進行量化，這無疑增加了SOC估算的難度。這些影響因素不僅和電池內部結構有關，還與電池的運行狀況、工作環境有密切關系，并且它們之間的關系非常復雜，從而導致了SOC估算的困難。

2.荷電狀態估算方法

目前國內外對鉛酸蓄電池SOC的檢測方法大致分為兩大類：

第一類是從研究蓄電池的內部作用機理出發，通過檢測電解液密度來估算蓄電池的SOC。同時通過外部表征量以及使用經驗還可以得到電池的一些內部信息，如極板的硫酸化、極板的脫落、電解液液面降低等等。另一類是從研究蓄電池的外部特性角度出發，對其端電壓、電流、內阻等電池的表征量進行分析，采用一定的檢測裝置和算法得到蓄電池的SOC。這類是目前研究最多、應用最廣泛的方法，主要有安時法、開路電壓法、內阻法、卡爾曼濾波算法、神經網絡以及模糊算法等等。

(1)安時法

該方法通過檢測初始時刻至時刻的電流，采用積分算法得到充入電量和放出電量，與額定容量Cn相比后，再與初始SOC0時刻相減(放電時電流為正，充電時電流為負)，即可得到t時刻的SOC值。

安時法因其檢測方法簡單，易于實現等優點在SOC檢測中被廣泛應用。但安時法也存在兩個主要缺陷：a)需要較為準確的SOC初始值;b)安時法是開環的電流積分，且電池在工作時受充放電倍率、溫度、老化等因素影響。如不考慮這些因素，隨著時間的增加，安時法累積誤差將越來越大，最終得不到準確的SOC值。

(2)開路電壓法

開路電壓法是利用電池的開路電壓與SOC有相對固定的函數關系，通過測量電池的開路電池來估算SOC。開路電壓法比較簡單，但由于極化作用，電池需要幾個小時甚至十幾個小時的靜置時間來達到穩定的開路電壓，這給測量造成困難。

(3)內阻法

電池內阻有交流內阻和直流內阻之分。對于鉛酸蓄電池，其內部阻抗與蓄電池的容量及完好性有著密切的關系，因此有人提出可以利用測量阻抗來評估和預測蓄電池的性能。事實上，在線準確測量電池的內阻是比較困難的。

(4)神經網絡法與模糊理論法

對于蓄電池而言，其內部參數之間關系是高度非線性的，有的參數甚至是未知的，這使得想要通過建立一個簡單而有效的數學方法來估算蓄電池的狀態很難。神經網絡以及模糊理論都是處理非線性系統的有力工具，近年來，采用神經網絡和模糊理論來估算蓄電池SOC的研究不斷涌現。

神經網絡具有非線性的基本特性，能根據外部激勵得到相應的輸出，因此神經網絡法能夠較好地模擬電池的非線性動態特性用于估算蓄電池的SOC。神經網絡用于SOC估算一般由輸入層、中間層和輸出層三層構成。輸入量一般是電壓、電流、溫度、內阻、老化程度等參數，輸出量為SOC值;而中間層神經元個數取決于問題的復雜程度和要求的精度[27]。神經網絡法估算SOC精度依賴于受訓練的數據和訓練方法，需要大量的樣本數據，這就要求事先進行大量的實驗以獲得數據。

模糊理論是建立在模糊數學基礎上的推理機制，它不需被控對象精確的數學模型。其基本過程為：對檢測到的電壓、電流和溫度進行模糊化處理，根據專家知識和經驗確立模糊規則，然后對照規則得到模糊輸出，再進行反模糊化處理，最后得出蓄電池SOC。

(5)卡爾曼濾波法

卡爾曼濾波法估算SOC是通過一系列數學遞歸公式來實現SOC的最小方差估計。卡爾曼濾波算法在估算SOC過程中不僅能保持較好的精度，并且對初始值的誤差有很強的修正作用，適用于各種類型的電池。卡爾曼濾波算法估算SOC時有著不同的應用方式，一般情況下選取安時法計算SOC的變形公式作為狀態方程，也有直接利用蓄電池數學模型或經驗公式直接獲得狀態方程。

結論與展望

SOC估算的研究正在步入新的階段。在早期研究階段，主要采用單純的一種方法來估算SOC。這期間主要以開路電壓法、安時法、內阻法為主。隨著用電設備對SOC估算精度需求的逐漸增高，出現一些對單一方法進行了改進或者對多種方法進行組合使用。例如綜合考慮了電池充放電效率、溫度、老化、自放電等因素的影響，對安時法進行改進;結合開路電壓法和安時法進行SOC估算。近來，隨著新能源技術的快速發展，電動汽車以及光伏儲能系統對蓄電池SOC估算精度提出了更高的要求，這使得神經網絡、模糊算法等一些智能方法以及卡爾曼濾波算法估算SOC成為了研究的新熱點。