的充电率（SOC）的状态是存储在电池中的能量的量，定义为电荷提取从细胞的量之间在特定点的时间和总容量的比率的相对度量。先进的充电准确的估计是重要的，因为电池管理系统（的BMS）使用SOC估算告知预期使用的用户，直到下一次充电，保持安全操作窗口内的电池，实现控制策略，并最终提高了电池寿命。

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SOC范围内具有显著OCV变化的细胞化学反应可以相当准确，只要电流测量是准确的。然而，对于表现出单一OCV-SOC放电特征的电池化学反应(如磷酸铁锂(LFP))，估算其充电状态是一项挑战。卡尔曼滤波是一种很有前途的替代办法，规避这些有稍高的计算工作量的挑战。这些观察员通常包括非线性电池型号，其使用从电池作为输入测得的电流和电压，以及递归算法，其计算系统的内部状态，包括充电状态。

使用Sim金宝appulink^®您可以：

• 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监视程序
• 创建准确电池模型验证状态的充电算法的仿真性能
• 使用电荷的估计状态来开发BMS算法（例如，为了控制充电曲线和监视器不平衡）