电动汽车为啥不能精确显示电量

传统车通过油位传感器能够较为精确的估计汽油油面高度，估算出剩余油量。因为传统车的油位传感器检测的是汽油的物理油面高度，从而能够保证相当高的精度。电动汽车电池内的电荷量是一种较为抽象的数据，在电池复杂的工作状态中，并不能通过单一的测量准确的判断出电池的SOC。目前没有绝对精确的估算方法。

电动汽车剩余电量（以下简称SOC）的计算精度也严重的影响电动汽车的可靠性。SOC的突然跳变（如SOC从15%突然跳变成0%）或者SOC在15%时突然车辆报警，单体电压过低，导致车辆无法继续行驶，诸如此类现象可能会给用户带来诸多困扰。

那么精确的SOC估算又能给我们带来什么好处。

在车辆行驶过程中，精确的SOC可以驾驶员准确的估计续驶里程，同时车辆精确的功率控制也需要精确的SOC数据作为支持，对整车的控制策略也有一定的影响；

在电池的充放电过程中，精确的SOC数据可以避免电池的过充和过放。

SOC的估算精度，一直以来都是电动汽车使用者关注的重点，发展多年的电动汽车行业，依然没能攻克SOC估算不准的难题，仍然达不到传统车的估算精度。

1、对比传统车

传统车通过油位传感器能够较为精确的估计汽油油面高度，估算出剩余油量。因为传统车的油位传感器检测的是汽油的物理油面高度，从而能够保证相当高的精度。

电动汽车电池内的电荷量是一种较为抽象的数据，在电池复杂的工作状态中，并不能通过单一的测量准确的判断出电池的SOC。在不同的工作温度下，电池内部的可用容量不尽相同，车辆在放电或充电的过程中，温度无时不刻都在发生变化，特别是在炎热的夏天和寒冷的冬天，温度变化越发剧烈，导致车辆电池的可用容量难以估算，从而越发容易出现SOC估算不准的问题，冬天车辆趴窝，夏天不能充分发挥车辆性能。

2、常见三元锂电池的SOC估算方法

那么是什么问题影响着SOC的估算精度呢？我们首先来分析下常见的SOC估算方法，以目前乘用车常用的三元锂电池为例。

安时积分：以电池整包额定容量（单位：Ah）为基准，通过使用电流传感器，实时采集电池包流入和流出的电流，进行积分，算出使用容量，再通过公式估算出当前电池SOC值；此方法的缺陷是，电流传感器的采集存在一定误差，在使用积分进行SOC计算时，会造成累计误差，所以在不做矫正的情况下，SOC的误差会随时间的推移越来越大。

开路电压矫正（OCV）：三元锂电池的开路电压与电池的荷电量有明确单调的对应关系，在充分静置后，通过测量当前单体电压，进行查表获取电池的SOC值；此方法的缺陷是，必须长时间静置，以保证单体电压相对稳定，不在变化，才能使用其单体电压进行查表，得到相对应的SOC值，但同时表格也必须要在数据也必须在不同温度下，使用当前温度下的可用容量来进行测试，并记录下不同SOC下的单体数据。

内阻法：三元锂电池的电池内阻与SOC之前存在着一定的关系，不同的内阻之间也能通过查表估算出SOC值，但其缺陷是不同的SOC之间，内阻变化太小，且受温度影响较大，测量精度要求过高，估算出的SOC值很难达到精度要求，基本上不推荐使用此方法。

卡尔曼滤波算法：引入时域的概念，就是把一个过程看作是在时间轴上连续播放的无数状态集合。用状态方程描述动态过程，用测量方程描述观测信息，用前一时刻的估计值和当前时刻的观测值相互迭代，更新对状态变量的估计。通过对电池模型的搭建，对输入模型的各种采集信息，电流、电压、温度、内阻等电池信息，进行有效的干扰过滤，预测出SOC变化后的准确位置。电池模型必须准确反映电池特性，一旦模型搭建不准确，会导致SOC估算误差升高，其精度可能还不如前提到的安时积分和开路电压矫正算法。电池模型搭建难度高，各品牌差异大，导致想要完美的使用卡尔曼滤波算法，还存在一些障碍。

卡尔曼滤波基础上延伸出来的各种算法，已应用于多种测算领域中，并且各电池管理系统厂商均相继研究此算法，目前已成为SOC估算算法中较为主流的成员之一。