充电状态（SOC）是存储在电池中的能量量的相对测量，其定义为在特定时间点在特定时间点和总容量的电池中提取的电荷量之间的比率。准确的充电状态估计很重要，因为电池管理系统（BMS）使用SOC估计通知用户预期使用，直到下一次充值，将电池保留在安全操作窗口中，实现控制策略，并最终提高电池寿命。

传统的充电估计方法，例如开路电压（OCV）测量和电流积分（库仑计数），可以合理地精确准确，在整个SOC范围内具有重要的OCV变化，只要电流测量准确。然而，估计表现出扁平OCV-SOC放电签名的电池化学质量，例如磷酸铁锂（LFP）是具有挑战性的。卡尔曼过滤是一种有希望的替代方法，以略高的计算努力来避免这些挑战。这种观察者通常包括非线性电池型号，它使用从单元格中测量的电流和电压作为输入，以及计算系统内部状态的递归算法，包括充电状态。

使用sim金宝appulink.^®你可以：

• 使用内置估计技术，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自己的负责人的观察员
• 创建准确电池型号验证模拟中充电状态算法的性能
• 使用估计的充电状态来开发BMS算法（例如，控制充电型材和监控不平衡）