因為我們估算的方法，采集用電壓、電流和溫度三個數據參量來估算電池的SOC，本身電池一路就有衰減，就剩余容量SOC估計的演算法主要的問題，是SOC的演算法需要知道初始的SOC、需要知道電池的容量，在計算過程中由於測量誤差（V、I和T采集參量的誤差）會累積、從一個錯誤的值上面很難回歸，還有一個有趣的就是在車輛執行的充放電的行為會跳來跳去。這裏我們再展開一下：
1）初始的SOC：由於整個電池包，單體、模組甚至整包都會有自放電和漏電流兩項，導致長時間停放這種模式下，真實的SOC就會漂移。
2）容量：其實按照我們現在已知的概念，如果類似南韓那種直接出來，電池出廠到上車容量就是會有偏移，哪怕分了容，用一陣子就會變。
3）錯誤的累積和突然誤差：林學長給我看了個圖，是某車在實際的執行中的問題，整包的SOC工作在20%左右，突然某單體陷入保護模式，車主給拖回去了。錯誤的累積如果無法及時糾正，你面臨兩難選擇，透支單體進行Limp home回家，或者直接拖車回家/
使用OCV糾正的模式來操作。這裏的基本概念，還是OCV來對應SOC的計算，可以與初始值和測量的積累誤差分離，所以他們核心的思路，就是設定比例來融合兩個參考值。
當然說法也可以說是用OCV來矯正，不管是誰，總體的做法是差不多的。
總體步驟的區別不大，在於OCV的校正方法
1）基於HPPC的數據，建立一個二階模型
2）透過遞迴的最小平方法來調整模型參數，透過對比模型的輸入輸出與測量的實際結果值
3）透過等效的RC模型，獲取OCV
4）從Voc裏面分離電池的溫度動態電壓（Vo），這裏需要去除滯回電壓（Vh）
5）糾正溫度對應Vo和SocV
6）最後再決定權重
參考如下
演算法可以在電池的整個生命周期中始終保持估算精度不變
基於模型的考慮肯定是要有的，做卡爾曼濾波啥的，對MCU的運算速度還是有要求的。
OCV-SOC曲線如果要用來矯正，整個測試的之間靜置規格需要與後面BMS的時鐘進行匹配
如曉宇之前所說的：
SOC-OCV曲線是我們電池在SOC標定過程中非常重要的一條曲線，通常在電動汽車執行了一段時間後，在車輛靜置再啟動前，BMS會呼叫這個曲線，對SOC值進行一次矯正，並透過一定的演算法和其他矯正系數得到一個SOC值的更新，因此這個曲線的準確性就顯得尤為重要，可能直接關系到了SOC的精度在這種測試工況下未有足夠的靜置時間，由於低溫下電池較嚴重的極化，顯然電池還沒有達到絕對的穩態，也就是說第一靜置時間不夠長，第二在每一個SOC range調整之間的電流還不夠小。但實際工況中會有絕對長的靜置時間嗎，於是這其實也就引出了另一個問題，我們到底要什麽樣的SOC-OCV曲線，是結合實際工況的呢？
每5%SOC， 12個小時擱置時間 ，0.05C的電流被認為是一個很接近穩態的測試方法
在最近的一個裏面，如果我們把穩態的用K值去估算，大概確實要20小時，K值才能不往上走，40小時完全進入穩態
第二部份 矯正的時機（應等待足夠的靜置時間，確認溫度的情況）
SOC的演算法主要的問題，是SOC的演算法需要知道初始的SOC、需要知道電池的容量，在計算過程中由於測量誤差（V、I和T采集參量的誤差）會累積、從一個錯誤的值上面很難回歸：
1）初始的SOC：由於整個電池包，單體、模組甚至整包都會有自放電和漏電流兩項，導致長時間停放這種模式下，真實的SOC就會漂移。
2）容量：電芯容量目前都是不測容量，是透過抽樣來控制的，容量的一致性完全交給前面的原料和生產過程的一致性
3）錯誤的累積和突然誤差：在工作一段時間以後，演算法由於負荷的原因，基準可能引起挺大的偏差
我們用的這個溫度、時間的跨度需要和上面的進行匹配，否則靜置時間不對的，電壓會在變化。同時需要根據當時的最小和最大SOC，還有矯正的情況綜合來調整這個數據。
第三部份 OCV-SOC曲線在容量變化後的漂移
某較苛刻條件下的快充工況標定數據，電池為某款能量型電池，可以看到在測試跨度約一年的周期內，分別截取BOL，約500大圈和約1000大圈的數據：
從上表我們可以明顯看到變化趨勢，
造成有些電池的OCV 漂移的原因是什麽， 其實這些漂移的同時，往往也伴隨著電池本身容量的衰減，而容量的衰減其實也正反應了電池本身正極材料可能已經發生了部份失活，而這種情況在富鋰錳基正極材料中可能表現的更為明顯，因為這種材料在迴圈後期由於其自身較差的穩定性，可能從層狀結構轉為尖晶石狀，最終導致了電壓平台的變化。而其他較穩定結構的正極材料這種變化趨勢可能就沒有那麽明顯。
如果我們後面追求高容量的結構，大部份的材料變化在10%和20%的衰減之後，都會導致OCV曲線的漂移。與上面曉宇做的實驗不一樣，我們需要根據不同的衰減，是Fast charging或者DST耗盡模式的衰減進行對比，然後比較OCV的差異
小結：想要打通在整個環節上面的數據測試、驗證和演算法建模和使用的問題，任重而道遠，要保證整個生命周期的特性是好的，要付出挺多的努力的
參考檔：
1）【Li-Ion Battery State Estimation and Prognosis】 MutasimSalman、XidongTang和Xiaofeng. Mao
2）【Li-ion Battery Parameter Estimation for State of Charge 】Xidong Tang, Xiaofeng Mao, Jian Lin, and Brian Koch
3）US20110309838 【APTIVE BATTERY PARAMETER PXTRACTION AND SOC ESTIMATION FOR ITHIUM'ION BATTERY】
4）US20090091299 【DYNAMICALLY ADAPTIVE METHOD FOR DETERMINING THE sTATE OF CHARGE OF A BATTERY】
