基于PI观测器的电池SOC观测simulink仿真模型，在设定的曲线或者NEDC等工况下放电曲线，SOC观测准确，仿真效果很好，包含matlab 17a 和18b版本。

动力电池SOC和SOH估计是动力电池管理系统的核心功能之一，精确的SOC和SOH估计可以保障动力电池系统安全可靠地工作，优化动力电池系统，并为电动汽车的能量管理和安全管理等提供依据。然而，动力电池具有可测参数量有限且特性耦合、即用即衰、强时变、非线性等特征，车载环境应用又面临串并联成组非均一复杂系统、全工况(宽倍率充放电)、全气候(-30～45℃温度范围)应用需求，高精度、强鲁棒性的动力电池SOC和SOH估计极具挑战，一直是行业技术攻关的难点和国际学术界研究的前沿热点。本章将系统阐述动力电池SOC和SOH估计的基础理论和应用，并讨论静态容量已知和动态容量在线估计条件下动力电池SOC估计性能，以及SOH与SOC协同估计的必要性，并提供以便BMS现实应用的详细算法流程。

行业资料-电子功用-一种混合动力电池SOC自适应控制方法

锂电池BMS开发源码，BMS功能开发，SOC计算，锂电池保护等

针对电动汽车应用的50AH磷酸铁锂电池荷电状态(state of charge，SOC)估算不准的难题，在原有BP神经网络的基础上引入改进的PS0算法加以优化，优化了BP神经网络的权值和阈值，并把优化后的网络用于SOC预测，减小了SOC估算的误差．本文以50AH的磷酸铁锂电池为研究对象，首先在粒子群算法(particle swarm optimization，PSO)中引入了变异算子改进了PS0搜索精度较低、后期迭代效率不高等缺点，然后通过实验分析了电压、电流、温度3个主要参数与SOC的关系，利用放电实验

采用自适应卡尔曼滤波方法，基于锂离子动力电池的等效电路模型，在未知干扰噪声环境下，在线估计电动汽车锂离子动力电池荷电状态(SOC)。

基于无迹卡尔曼滤波（UKF）的锂电池荷电状态（SOC）估计，里面包含自己所做实验得到的锂电池系统参数（二阶RC等效电路模型各参数），并且通过UDDS工况仿真验证UKF算法的精度。需要各种误差图，可自行修改代码。

美国航天局关于锂离子电池数据曲线汇总，可用来研究锂离子电池SOC和SOH

电池管理系统深度理论研究---面向大功率电池组的应用技术。系统讲解了动力电池的SoC估算和SOH测试的相关问题。介绍了先进的电池管理系统硬件电路和电池均衡技术

风电功率波动率是风电并网考核的重要内容之一，采用蓄电池储能装置是平滑风能波动最常用的方案。为提高储能设备的使用寿命，提出一种蓄电池充放电控制策略，在最小容量配置下能保持蓄电池荷电量（SOC）水平，同时实现对风电功率的滤波。MATLAB仿真结果表明所提控制策略可以在满足风功率波动指标的基础上取得良好的SOC控制效果，且实际并网储能系统的模拟测试验证了该策略的可行性和有效性。