admin
很多朋友会觉得，在手机、平板电脑、甚至电动汽车上，最后1%的电力总是持续更久。
这是为什么呢？
即将失去才会珍惜，对于最后1%的电量真的是要省着点用，所以就会感觉更耐用一些。心理的原因我们今天就不分析了，总的来说，在技术上有三个可能导致现在这个结果。
1. 显示策略的原因
你看到的电量，是工程师想要让你看到的电量。
考虑到用户的心理，在电量即将耗尽时，尽早显示1%，会促使用户尽早充电，降低电量真实耗尽的可能性。所以实际情况下，有可能显示剩余电量是1%，但实际上还有一定的可用电量。
2. 软件主动限制能耗
现在很多品牌的手机，如华为，都会在低电量的时候进入低电量模式。
此时很多后台软件都会被限制使用，芯片耗电功率会主动降低，使得最后的电量变得更加耐用一点。
新能源汽车上也可能会有相应的策略，在低电量情况下使得加速踏板的响应（Pedal Map）更柔和，能降低你的实际能耗，延长续驶里程。
3. “1%”剩余电量是被估算出来的
你也看到了，这里用的词是估算，不是计算，也不是测量。因为电池电量SOC（State of Charge，电池荷电状态）的算法实在太复杂了！
这也是今天我们真正硬核的内容：系统是怎么知道电池剩余电量的？
手机和汽车看到的电量百分比是怎么来的？
我们再看上面公式：当前时刻的SOC，等于上一时刻的SOC，加上电流和时间的累积量除以容量。通过对于放电电流和时间的积分，计算得到当前的SOC。
举个栗子，这是一个标称容量为10000mAh的充电宝。持续以5A电流放电至电量为0。代入以上公式，算出充电宝能放电2h。
那么，将放电电流提高到10A，这个充电宝的放电时间将缩短为1h。因为：
10Ah=10A*1h=5A*2h
以上就是最简单的“安时积分法”。这种算法，广泛应用于各类普通的3C产品，如手机、充电宝、电瓶车剩余电量估算。
有了这种算法就万事大吉了呢？当然不是，这个公式最大的敌人是误差。
就好比，从上海走到北京，用计算步数的方法，估算已经走过了多少路。每一步步长有差距，步数的计数也可能出错。而这些误差，会在整个估算过程中被不断地累计，使得结果越来越偏离正确的值。
有什么方法可以消除累计误差么？
有，那就是引入一个相关的变量——电压。好比在从上海到北京的路上，放下一个又一个里程碑，后续直接读数字一样。电压就是电量估算用的里程碑。
电池在长时间静置后测量到的电压被称为开路电压OCV（open circuit voltage）。OCV与SOC存在一一对应关系，将其绘制成OCV-SOC曲线，作为标尺。
这样，我们通过测量开路电压（OCV），就可以精确地知道当前SOC是多少。是不是很方便，很直接？这条曲线也在SOC估算中被大量的应用。
不过这条曲线也有一个很大的问题。
就出在OCV的名字上。因为只有在电池长时间静置后，我们才认为此时的电压是OCV。换句话说，OCV的实时性很差。而在新能源车上，电压是会变化的。电池的输出功率是很不稳定，一会儿大，一会儿小，时不时还要能量回收，导致功率是负的。
如果直接用OCV曲线计算SOC，会发生奇葩的情况——驾驶员踩一脚大油门，就能看到电量蹭蹭蹭地往下降，松开油门后电量又嗖嗖嗖地上涨。
相信这你一定不能接受。
看来OCV也行不通，又该怎么办？
还可以A方案+B方案：将安时积分的算法与OCV-SOC算法相结合，这就是当前电池SOC的一种主流算法。
当BMS判断电压处于相对平稳的状态时，我们就用OCV-SOC查表。当BMS发现电压处于波动，即非稳态条件下时，我们就采用安时积分的方法来估算SOC。这能完成大多数情况下的SOC估算，但是实际情况往往更复杂。
比如经过一段时间的使用，电池标称容量发生了衰减，比如在极端电量情况下，比如还剩1%的时候，抓取不到可以采用OCV-SOC的工况等。
手机电池只有一块。而电动汽车的电池，是由很多节电池串联又并联组成的，因此电动汽车的电池SOC估算会更加复杂。
典型的新能源汽车电池
对新能源汽车来讲，SOC精度不仅影响着表显续航里程，关系用户出行计划。甚至还意味着充电更安全，续航里程更多。
以用户最关心的电动车自燃事件为例。电动汽车自燃是一个复杂原因导致的直接现象。可能是因为硬件短路、电芯杂质，但你万万想不到，也有可能是SOC估算误差的原因！
举例来说，在充电过程中实际SOC已经达到了100%，而由于估算误差的原因，BMS以为SOC为95%，需要继续充电从而导致电芯过充，长期过充便可能引发自燃。
同时在放电末期，精准的SOC意味着更准的里程。随着电池容量的不断增大，每1%的SOC对应的里程数也越来越大，比如续驶里程420公里，3%的估算精度相比于5%来说就有可能多开出8.4公里。
我从网上也找到了一张SOC计算方法的发展趋势图，从图中我们可以看到：最底端红色线为OCV-SOC估算方法（OCV based），黄色为安时积分估算方法（Ampere hour counting），OCV-SOC和安时积分法的算法复杂度较低，而且其精度的跨越幅度非常大，做得好的话也能获得不错的精度。
目前电动汽车的估算精度一般保证在5%以内。不过国内也有一些自主品牌厂家从电芯的电化学特性出发，实时动态估算修正SOC，其算法可以将精度确保在3%以内。在这种算法下，BMS可以在行车过程中对SOC进行实时修正。
当然，技术是在不断发展的，目前很多与电池相关的产业，比如3C、电动汽车等产业针对电池SOC估算提出了很多新的算法。
比如上文提到的OCV-SOC估算方法与安时积分相结合的估算方法；
比如基于电池模型和电池外特性的卡尔曼滤波算法；
比如通过数据驱动的机器学习方法；
比如从电池的电化学机理出发，通过电池本身内在故有特性来解释电池特性的电化学模型方法等等。
随着硬件技术及算法工程的不断推进，以及电芯厂商和OEM对电池本身特性研究的越发深入，SOC估算的参数因子分析会越来越全面，其估算精度也随之会越来越高。
可以相信，通过技术的不断发展，最后1%更加耐用的原因会越来越趋向于电池应用厂商故意将最后1%的容量增大，以迎合消费者的心理，而不是由于技术限制，导致算不准的情况。