5.5.1 蓄电池组SOC估计
目前，常用的SOC估计方法可以分为4类：查表法、安时积分法、基于等效电路模型的方法、基于数据驱动的方法。查表法只需标定好SOC与开路电压的关系表，即可根据获得的开路电压推算电池SOC。该方法简单方便，计算成本低，但是需要定期校准关系表，否则会产生较大累积误差。安时积分法是另一种广泛应用的SOC估计方法，它同样具备简单易实现的特点。但是这种方法对准确的SOC初值依赖性强，对电流采集设备的精度要求很高。若SOC初值不准确或者电流表发生偏移，则会产生较大的累积误差，继而方法失效。基于等效电路模型的方法有着计算成本适度、估计精度高、鲁棒性好的优点，但是估计精度受模型准确度影响显著，部分方法对于初值的选择要求较高，如果初值选择不当，容易造成估计结果发散。基于数据驱动的方法对解决强非线性问题有特别的优势，估计精度高，但是需要大量的试验数据作为先验知识，若样本数据不能较为全面地反映电池特性，则估计精度难以保证。表5-6总结了四类方法的优缺点以及在精度与鲁棒性方面的表现。
表5-6 四类SOC估计方法的优缺点及估计精度和鲁棒性的评价
目前，航天领域电池应用较为保守，“浅充浅放”一直是应用的主要原则。由于电池始终处于浅放后充满的状态，电量可以通过满充进行校准，所以安时积分法一直是应用最为广泛而可信的方法。但是，随着应用场景的变化，应用工况也发生变化，尤其是深空探测领域，对电池的依赖逐步加强，“浅充浅放”的原则很难继续固守。电池会面临复杂的工作环境以及更为恶劣的光照条件，在循环工作过程中始终无法充满的情况会经常发生，一旦失去满充校准的机会，那么安时积分法的弊端就会凸显出来。一旦安时积分法估计结果严重偏离实际值，就会严重影响电池的使用，对整器任务决策和能源安全带来风险。因此，基于安时积分法和开路电压查表法融合的状态估计方法被提出，力求充分发挥各自方法的优势，弥补各自方法的弊端，从而能够应对更为复杂多变的应用条件，这也是后续航天器在轨能源管理的重要方法之一。
简而言之，这种融合估计方法的思路就是，正常工作条件下采用安时积分法进行荷电状态估计，确保估计的实时性；当满足开路电压查表条件时，系统切换至开路电压，查表对当前荷电状态估计结果进行校正。图5-17给出了在某深空型号应用的SOC融合估计方法的估计流程。其中，伪开路电压响应面模型是由地面测试数据构建的开路电压代理模型，该模型考虑了温度、倍率对电池开路电压的影响，采用低倍率充放电数据近似逼近电池开路电压特性的方法。设定了倍率以及稳定时间两个判定因子用于确定融合估计的开启时刻。
图5-17 融合估计方法估计流程
利用地面测试数据对星载处理器安时积分计算结果进行修正，修正后的估计结果如图5-18所示。应用融合估计方法SOC估计精度的提升进行比较，如图5-19所示。
未来，随着星载计算机处理能力的进一步增强，可以匹配更加高级和复杂的SOC估计方法。从目前其他领域，尤其是新能源汽车领域的发展变化看，最具应用前景的当是基于等效电路模型的SOC估计方法，而这其中又以Kalman及其衍生算法和状态观测器方法为主。美国科罗拉多大学G.Plett最先系统地阐述了基于模型方法的参数辨识及状态估计过程，为后续研究SOC估计奠定了深厚的理论基础。随后，基于卡尔曼及其衍生算法的动力电池多状态、多尺度联合估计方法得到进一步研究，通过这类方法，模型参数可以随着电池工作温度以及老化状态自适应改变，提高了估计结果的鲁棒性和可靠性。另外，许多状态观测器方法如滑膜观测器、H无穷状态观测器、非线性观测器也都应用于SOC估计，并获得较高的估计精度。
图5-18 利用融合估计方法修正安时积分结果
图5-19 应用融合估计方法SOC估计精度提升比较