靜態(tài)修正

BMS處于靜態(tài)模式（不帶載），查詢OCV表格，根據(jù)OCV曲線得出現(xiàn)在電壓和溫度下對應(yīng)的SOC值，再等待下個帶載時刻開始修正SOC，以一定速率加快或者減慢安時積分平滑修正至目標值；

優(yōu)點：方案簡單容易實現(xiàn)；

缺點：必須要求電流約等于靜態(tài)功耗附近，且持續(xù)一定時間等待帶載電壓回彈至空載電壓，下個帶載時刻再進行修正，條件較多，適用工況有限，無法帶載時在線修正；

充滿修正

充電模式下SOC等于99.4%,則先停止安時積分保持 SOC 不變， 直至達到滿充條件（單節(jié)最高電壓達到當前溫度下滿電電壓及充電電流是最小充電允許電流），SOC跳變至100%；

優(yōu)點：可以滿足充電完成，電流停止，SOC恰好修正至100%；

缺點：滿電條件各廠家定義不同，由于電芯老化壓差變大，僅判斷單體最高是否到達充滿電壓的策略不全面，所以有的廠家不僅判斷單體最高還判斷單體最低是否到達充滿電壓，這樣就可能發(fā)生充滿失敗，SOC就只能停在99.4%，無法修正至100%；

極限修正

放電模式下單節(jié)最低電壓持續(xù)一定時間低于閥值邊界點SOC_Bms直接跳變到 0， SOC_Disp 以較快速度快速平滑跟蹤至 0%；

充電模式下單節(jié)最高電壓持續(xù)一定時間高于閥值高于滿充電壓點但低于安全保護點SOC_Bms、 SOC_Disp 直接修正到 100%；

優(yōu)點：SOC滿足充滿為100%；放空0%的顯示值

缺點：由于充電時只關(guān)注最高單體，放電時至關(guān)注最低單體，如果觸發(fā)極限修正直接修正至100%或0%很可能沒充滿或者沒放空；

動態(tài)修正

重點介紹動態(tài)修正，在實際工程中應(yīng)用較多，限制條件少可實現(xiàn)在線修正，隨時隨地想修就修。要想做動態(tài)修正就得建立電池模型也就是電池的等效電路。

上圖為電池二階等效電路模型，至于它的來源我們暫且不做討論，那么如何得到圖中的參數(shù)呢？放心肯定不是筆算啦。我們可以用電池組做一個有代表性實驗，通過一系列充電放電我們可以得到上圖中電流I和電壓U關(guān)系，這樣就相當于知道輸入輸出，下一步找出輸入和輸出的函數(shù)表達式那么未知數(shù)自然就知道了。

上述中提到這個實驗就是HPPC即Hybrid PulsePower Characteristic(混合動力脈沖能力特性)：是用來體現(xiàn)動力電池脈沖充放電性能的一種特征。HPPC測試一般采用專用電池檢測設(shè)備完成（來自百度百科）。HPPC測試可以完成對電池直流內(nèi)阻的測試。充放電制式為1C放電10s靜置40S然后0.75C充電10S；

這樣充放電對應(yīng)的電壓曲線為

現(xiàn)在已知輸入輸出我們有兩種方法得到二階表達式，第一種是使用MATLAB Curve Fitting Tool得出輸入輸出的函數(shù)表達式，第二種是使用最小二乘法，最小二乘法（又稱最小平方法）是一種數(shù)學(xué)優(yōu)化技術(shù)。它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配。利用最小二乘法可以簡便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實際數(shù)據(jù)之間誤差的平方和為最小。最小二乘法還可用于曲線擬合。其他一些優(yōu)化問題也可通過最小化能量或最大化熵用最小二乘法來表達。（來自百度百科）；如此得出表達式的各項未知數(shù)。

此時，已經(jīng)具備了在線修正的所有條件，不論此時以多大電流放電，我們只要帶入上式就可以反推出此時OCV的值，再根據(jù)OCV查表便可以得出此時的SOC值。

優(yōu)點：不受條件限制，隨時可以修正SOC；

缺點：算法實現(xiàn)起來稍有復(fù)雜，內(nèi)阻隨溫度和老化變化大，必須考慮溫度和老化影響及時更新阻抗表；