本文的話題也許是很多人的疑問，關于手機顯示電量是怎么推算出來的，到底顯示1%的時候還有沒有電呢？

這是一個直擊靈魂的問題——有時候手機最后1%的電能用很久，有時候卻只能用一瞬間。

給人留下這個印象，有一些心理層面的原因，我們今天就不分析了。在技術上，有三個可能會導致現在這個結果。

1)示策略的原因

你看到的電量，是工程師想要讓你看到的電量。

考慮到用戶的心理，在電量即將耗盡時，盡早顯示1%，會促使用戶盡早充電，降低電量真實耗盡的可能性。

所以實際情況下，有可能顯示剩余電量是1%，但實際上還有一定的可用電量。

2)軟件主動限制能耗

現在很多品牌的手機，如華為、蘋果，都會在低電量的時候進入低電量模式。

此時很多后臺軟件都會被限制使用，芯片耗電功率會主動降低，使得最后的電量變得更加耐用一點。

新能源車上也可能會有相應的策略。在低電量情況下使得pedalMap更柔和，也就是說踩同樣深度的油門，會輸出更小的扭矩。這樣能降低你的實際能耗，延長續(xù)駛里程。

3)“1%”剩余電量是被估算出來的

你也看到了，這里用的詞是估算，不是計算，也不是測量。

因為電池電量SOC（StateofCharge，電池荷電狀態(tài)）的算法實在太復雜了！

這也是今天我們真正硬核的內容：

控制系統(tǒng)是怎么了解，電池剩余電量的？

01我們在手機和車上看到的電量百分比

是怎么來的？

我們再看上面公式：當前時刻的SOC，等于上一時刻的SOC，加上電流和時間的累積量除以容量。通過關于放電電流和時間的積分，計算得到當前的SOC。

舉個栗子，假設一個標稱容量為10000mAh的充電寶，持續(xù)以5A電流放電至電量為0。代入以上公式，算出充電寶能放電2h。

那么，將放電電流提高到10A，這個充電寶的放電時間將縮短為1h。因為：

10Ah=10A*1h=5A*2h

以上就是最簡單的“安時積分法”。這種算法，廣泛應用于各類普通的3C產品，如手機、充電寶、電瓶車剩余電量估算。

有了這種算法就萬事大吉了呢？當然不是，這個公式最大的敵人是誤差。

就好比你要從上海走到北京，用計算步數的方法，估算已經走過了多少路。每一步步長有差距，步數的計數也可能出錯。而這些誤差，會在整個估算過程中被不斷地累計，使得結果越來越偏離正確的值。

02有什么方法可以消除累計誤差么？

有，那就是引入一個相關的變量——電壓。好比在從上海到北京的路上，放下一個又一個里程碑，后續(xù)直接讀數字相同。電壓就是電量估算用的里程碑。

電池在長時間靜置后測量到的電壓被稱為開路電壓OCV（opencircuitvoltage）。OCV與SOC存在一一對應關系，將其繪制成OCV-SOC曲線，作為標尺。

這樣，我們通過測量電壓OCV，就可以精確地了解當前SOC是多少。是不是很方便，很直接？這條曲線也在SOC估算中被大量的應用。

不過這條曲線也有一個很大的問題。

問題就出在OCV的名字上。因為只有在電池長時間靜置后，我們才認為此時的電壓是開路電壓OCV。換句話說，OCV的實時性很差。而在新能源車上，電壓是會變化的。電池的輸出功率是很不穩(wěn)定，一會兒大，一會兒小，時不時還要能量回收，導致功率是負的。

假如直接用OCV曲線計算SOC，會發(fā)生奇葩的情況——駕駛員踩一腳大油門，就能看到電量蹭蹭蹭地往下降，松開油門后電量又蹭蹭蹭地上漲。相信這你一定不能接受。

03看來OCV也行不通，又該怎么辦？

幸好，我們還可以A+B：將安時積分的算法與OCV-SOC算法相結合，這就是當前電池SOC的一種主流算法——

-當BMS判斷電壓處于相對平穩(wěn)的狀態(tài)時，我們就用OCV-SOC查表。

-當BMS發(fā)現電壓處于波動，即非穩(wěn)態(tài)條件下時，我們就采用安時積分的方法來估算SOC。

-這能完成大多數情況下的SOC估算，但是實際情況往往更復雜。

比如經過一段時間的使用，電池標稱容量發(fā)生了衰減。比如回到我們最初的問題，在電量還剩1%的時候，抓取不到可以采用OCV-SOC的工況等。

而且，手機電池只有一塊，而電動汽車的電池，是由很多節(jié)電池串聯又并聯組成的。因此電動汽車的電池SOC估算會更加復雜。

對新能源汽車來講，SOC精度不僅影響著表顯續(xù)航里程，關系用戶出行計劃。甚至還意味著充電更安全，續(xù)航里程更多。

以用戶最關心的電動汽車自燃事件為例。電動汽車自燃是一個復雜原因導致的直接現象?？赡苁且驗橛布搪?、電芯雜質，但你萬萬想不到，也有可能是SOC估算誤差的原因！

舉例來說，在充電過程中實際SOC已經達到了100%，而由于估算誤差的原因，BMS以為SOC為95%要繼續(xù)充電，從而導致電芯過充，長期過充便可能引發(fā)自燃。

同時在放電末期，精準的SOC意味著更準的里程。隨著電池容量的不斷增大，每1%的SOC對應的里程數也越來越大。比如續(xù)駛里程420公里，3%的估算精度相比于5%來說，就有可能多開出整整8.4公里。

我還從網上也找到了一張SOC的發(fā)展趨勢，從圖中我們可以看到：最底端紅色線為OCV-SOC估算方法（OCVbased），最底端黃色為安時積分估算方法（Amperehourcounting），OCV-SOC和安時積分法的算法復雜度較低，而且其精度的跨越幅度非常大，做得好的話也能獲得不錯的精度。

目前電動汽車的估算精度一般保證在5%以內。上汽新能源從電芯的電化學特性出發(fā)，實時動態(tài)估算修正SOC，其算法可以將精度確保在3%以內。在這種算法下，BMS可以在行車過程中對SOC進行實時修正。

當然，技術還在不斷發(fā)展的。目前很多與電池相關的產業(yè)，比如3C、電動汽車等產業(yè)針對電池SOC估算提出了很多新的算法。

比如上文提到的OCV-SOC估算方法與安時積分相結合的估算方法，比如基于電池模型和電池外特性的卡爾曼濾波算法，比如通過數據驅動的機器學習方法，比如從電池的電化學機理出發(fā)，通過電池本身內在固有特性來解釋電池特性的電化學模型方法等等。

隨著硬件技術及算法工程的不斷推進，以及電芯廠商和OEM對電池本身特性研究的越發(fā)深入，SOC估算的參數因子分析會越來越全面，其估算精度也隨之會越來越高。

可以相信，通過技術的不斷發(fā)展，最后1%更耐用的原因，會越來越趨向于電池應用廠商故意將最后1%的容量增大，以迎合消費者的心理，而不是由于技術限制，導致算不準的情況。