很多朋友都會感覺，不論是手機還是平板電腦，甚至是電動汽車，最後1%的電量總是要更持久一點。

這是為什麼呢？

即將失去才會珍惜，對於最後1%的電量真的是要省著點用，所以就會感覺更耐用一些。心理的原因我們今天就不分析了，總的來說，在技術上有三個可能導致現在這個結果。

1. 顯示策略的原因

你看到的電量，是工程師想要讓你看到的電量。

考慮到用戶的心理，在電量即將耗盡時，儘早顯示1%，會促使用戶儘早充電，降低電量真實耗盡的可能性。所以實際情況下，有可能顯示剩餘電量是1%，但實際上還有一定的可用電量。

2. 軟件主動限制能耗

現在很多品牌的手機，如華為，都會在低電量的時候進入低電量模式。

此時很多後臺軟件都會被限制使用，芯片耗電功率會主動降低，使得最後的電量變得更加耐用一點。

新能源汽車上也可能會有相應的策略，在低電量情況下使得加速踏板的響應（Pedal Map）更柔和，能降低你的實際能耗，延長續駛里程。

3. “1%”剩餘電量是被估算出來的

你也看到了，這裡用的詞是估算，不是計算，也不是測量。因為電池電量SOC（State of Charge，電池荷電狀態）的算法實在太複雜了！

這也是今天我們真正硬核的內容：系統是怎麼知道電池剩餘電量的？

手機和汽車看到的電量百分比是怎麼來的？

我們再看上面公式：當前時刻的SOC，等於上一時刻的SOC，加上電流和時間的累積量除以容量。通過對於放電電流和時間的積分，計算得到當前的SOC。

舉個栗子

，這是一個標稱容量為10000mAh的充電寶。持續以5A電流放電至電量為0。代入以上公式，算出充電寶能放電2h。

那麼，將放電電流提高到10A，這個充電寶的放電時間將縮短為1h。因為：

10Ah=10A*1h=5A*2h

以上就是最簡單的“安時積分法”。這種算法，廣泛應用於各類普通的3C產品，如手機、充電寶、電瓶車剩餘電量估算。

有了這種算法就萬事大吉了呢？當然不是，這個公式最大的敵人是誤差。

就好比，從上海走到北京，用計算步數的方法，估算已經走過了多少路。每一步步長有差距，步數的計數也可能出錯。而這些誤差，會在整個估算過程中被不斷地累計，使得結果越來越偏離正確的值。

有什麼方法可以消除累計誤差麼？

有，那就是引入一個相關的變量——電壓。好比在從上海到北京的路上，放下一個又一個里程碑，後續直接讀數字一樣。電壓就是電量估算用的里程碑。

電池在長時間靜置後測量到的電壓被稱為

開路電壓OCV（open circuit voltage）。OCV與SOC存在一一對應關係，將其繪製成OCV-SOC曲線，作為標尺。

這樣，我們通過測量開路電壓（OCV），就可以精確地知道當前SOC是多少。是不是很方便，很直接？這條曲線也在SOC估算中被大量的應用。

不過這條曲線也有一個很大的問題。

就出在OCV的名字上。因為只有在電池長時間靜置後，我們才認為此時的電壓是OCV。換句話說，OCV的實時性很差。而在新能源車上，電壓是會變化的。電池的輸出功率是很不穩定，一會兒大，一會兒小，時不時還要能量回收，導致功率是負的。

如果直接用OCV曲線計算SOC，會發生奇葩的情況——駕駛員踩一腳大油門，就能看到電量蹭蹭蹭地往下降，鬆開油門後電量又嗖嗖嗖地上漲。

相信這你一定不能接受。

看來OCV也行不通，又該怎麼辦？

還可以A方案+B方案：將安時積分的算法與OCV-SOC算法相結合，這就是當前電池SOC的一種主流算法。

當BMS判斷電壓處於相對平穩的狀態時，我們就用OCV-SOC查表。當BMS發現電壓處於波動，即非穩態條件下時，我們就採用安時積分的方法來估算SOC。這能完成大多數情況下的SOC估算，但是實際情況往往更復雜。

比如經過一段時間的使用，電池標稱容量發生了衰減，比如在極端電量情況下，比如還剩1%的時候，抓取不到可以採用OCV-SOC的工況等。

手機電池只有一塊。而電動汽車的電池，是由很多節電池串聯又並聯組成的，因此電動汽車的電池SOC估算會更加複雜。

對新能源汽車來講，SOC精度不僅影響著表顯續航里程，關係用戶出行計劃。甚至還意味著充電更安全，續航里程更多。

以用戶最關心的電動車自燃事件為例。電動汽車自燃是一個複雜原因導致的直接現象。可能是因為硬件短路、電芯雜質，但你萬萬想不到，也有可能是SOC估算誤差的原因！

舉例來說，在充電過程中實際SOC已經達到了100%，而由於估算誤差的原因，BMS以為SOC為95%，需要繼續充電從而導致電芯過充，長期過充便可能引發自燃。

同時在放電末期，精準的SOC意味著更準的里程。隨著電池容量的不斷增大，每1%的SOC對應的里程數也越來越大，比如續駛里程420公里，3%的估算精度相比於5%來說就有可能多開出8.4公里。

我從網上也找到了一張SOC計算方法的發展趨勢圖，從圖中我們可以看到：最底端紅色線為OCV-SOC估算方法（OCV based），黃色為安時積分估算方法（Ampere hour counting），OCV-SOC和安時積分法的算法複雜度較低，而且其精度的跨越幅度非常大，做得好的話也能獲得不錯的精度。

目前電動汽車的估算精度一般保證在5%以內。不過國內也有一些自主品牌廠家從電芯的電化學特性出發，實時動態估算修正SOC，其算法可以將精度確保在3%以內。在這種算法下，BMS可以在行車過程中對SOC進行實時修正。

當然，技術是在不斷髮展的，目前很多與電池相關的產業，比如3C、電動汽車等產業針對電池SOC估算提出了很多新的算法。

比如上文提到的OCV-SOC估算方法與安時積分相結合的估算方法；

比如基於電池模型和電池外特性的卡爾曼濾波算法；

比如通過數據驅動的機器學習方法；

比如從電池的電化學機理出發，通過電池本身內在故有特性來解釋電池特性的電化學模型方法等等。

隨著硬件技術及算法工程的不斷推進，以及電芯廠商和OEM對電池本身特性研究的越發深入，SOC估算的參數因子分析會越來越全面，其估算精度也隨之會越來越高。

可以相信，通過技術的不斷髮展，最後1%更加耐用的原因會越來越趨向於電池應用廠商故意將最後1%的容量增大，以迎合消費者的心理，而不是由於技術限制，導致算不準的情況。