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。

传统方法状态的充电率估计，例如开路电压（OCV）的测量和电流积分（库仑计数），可以是用于在整个SOC范围内的显著OCV变化电池化学相当准确的，只要当前测量是准确的。然而，估计收费表现出平坦的OCV-SOC放电签名电池化学，如磷酸铁锂（LFP）的状态，是具有挑战性的。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万博1manbetxulink^®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
• 使用引用的例子来设计自己国家的观察员负责
• 创建准确电池型号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）