SOC估算精度到底怎么算？BMS里最贵的未必最该堆钱

做 BMS 时，有一个参数看起来简单，真正做到高精度却很难——SOC，电池还剩多少电。

很多工程师的第一反应是：既然 SOC 不准，那就把电池监控器的电压、电流测得更准一点。这个思路方向没错，但问题在于，SOC 并不是直接测出来的，而是“算”出来的。最近看到 MPS 技术论坛上一篇关于BMS中SOC估算精度的精华帖，比较有意思的地方在于，它没有停留在“ADC 精度越高越好”这种常规结论上，而是把电池监控器的测量误差、电量计算法、库仑计数、OCV 校正以及模型误差放到一起做了系统分析。

这其实很值得硬件工程师认真看看。

SOC 为什么越算越不准？

最简单的 SOC 估算方法，就是大家熟悉的库仑计数法。假设初始 SOC 为 $SOC_0$，电池额定容量为 $C_N$，电流为 $I(t)$，那么：

看起来非常简洁，但这里埋着两个坑。

第一，初始 SOC 如果错了，后面就一直带着这个误差。

第二，电流测量存在 Offset，积分以后误差会不断累积。

比如电流采样存在 20mA 偏移，如果系统连续运行 10 小时，仅仅这个偏移造成的电量误差就是：

假设电池容量是 10Ah：

也就是说，20mA 看起来很小的电流误差，运行 10 小时后就可能变成 2% 的 SOC 误差。这就是库仑计数最典型的问题：瞬时测量误差不可怕，可怕的是它被时间积分了。

电压测得更准，问题就解决了吗？

也不完全是。论坛文章里对比了三种方法：库仑计数法、库仑计数 + OCV 校正，以及 MPS 混合估算法。其中“库仑计数 + OCV 校正”相当于给长期漂移增加了一个纠偏点——电池静置后，通过 OCV 与 SOC 之间的关系重新校正。但问题又来了：不是所有电池的 OCV-SOC 曲线都足够陡。

特别是 LFP 电池，它的 OCV 曲线相对平坦。这意味着什么？假设某个 SOC 区间内，电池电压变化只有几十 mV，那么电压测量误差哪怕只有几 mV，对 SOC 反推都会产生明显影响。所以论坛文章专门把 NMC 和 LFP 两种化学体系拿出来做仿真。

而且仿真不是只跑一个点，而是进行了 10 个完整充放电周期，周期之间还有 15 分钟间隔，同时设置电池监控器电流测量偏移为 20mA。结果很有意思：单纯库仑计数会随着时间漂移；OCV 校正虽然能拉回来，但校正发生在静置阶段，可能不够频繁，而且容易出现 SOC 跳变。

让算法自己收敛：混合估算法

这就引出了第三种思路。MPS 文章里重点介绍的混合估算法，理解起来其实很好懂：短时间内相信电流积分，长时间运行再利用电压、温度和电池模型不断修正。也就是说，它不把所有希望都压在某一个测量参数上。

这一点非常重要。

假设一个电池监控器电压测量误差是 $\Delta V$，传统思路可能会不断追求 $\Delta V \to 0$，于是 BM 芯片越来越贵。但如果算法本身能够利用：

V + I + T + Battery Model

共同估算 SOC，那么系统对单个测量参数的绝对精度要求就可以适当降低。这就是传感器精度和算法精度之间的系统级权衡。

而且电池不是一个固定不变的电阻。随着循环次数增加，内阻会变化，容量会衰减，电池模型参数也会变化。所以即使你用了非常高精度的电池监控器，如果模型还停留在新电池参数，SOC 照样可能慢慢跑偏。

BMS 里，到底应该把钱花在哪里？

论坛上这篇文章的核心，就是没有把 SOC 问题简单归结成 ADC 精度问题。它实际上回答了一个更现实的问题：当预算有限时，BMS 到底应该优先提高哪里？是提高电压采样精度？还是提高电流采样精度？还是把资源投入到更好的 SOC 算法和电池模型？

感兴趣的朋友可以进一步阅读原帖：https://forum.monolithicpower.cn/t/topic/7755