荷电状态（SOC）是电池中存储能量的相对量度，定义为特定时间点可从电池中提取的电量与总容量之间的比率。准确的充电状态估计非常重要，因为电池管理系统（BMS）使用SOC估计值通知用户下次充电前的预期使用量，将电池保持在安全操作窗口内，实施控制策略，并最终提高电池寿命。

传统的电荷状态估计方法，如开路电压(OCV)测量和电流积分(库仑计数)，对于在整个SOC范围内OCV变化显著的电池化学，只要电流测量是准确的，就可以是相当准确的。然而，对于呈现扁平OCV-SOC放电特征的电池化学物质，如磷酸铁锂(LFP)，估计其充电状态是一项挑战。卡尔曼滤波是一种很有希望的替代方法，它可以通过稍微更高的计算工作量来规避这些挑战。这种观察器通常包括一个非线性系统电池模型，它使用从电池测得的电流和电压作为输入，以及计算系统内部状态（包括充电状态）的递归算法。

使用Sim金宝appulink^®你可以：

• 使用内置的估计技术，如卡尔曼滤波器和扩展卡尔曼滤波器
• 使用参考示例来设计您自己的状态观察器
• 创建精确的电池模型在模拟中验证充电状态算法的性能
• 使用估计的充电状态开发BMS算法（例如，控制充电模式和监测不平衡）