剩余容量是指蓄电池等储能装置在经过一定时间的使用后剩余的容量大小。一般蓄电池的建模方法可以分为两大类：一类是物理建模方法；另一类是系统的辨识与参数估计建模方法。

蓄电池在规定条件（包括放电强度、放电电流及放电终止电压）下放出的电量多少或放电时间长短称为蓄电池容量，单位A·h或A·min。汽车蓄电池是一个可逆的直流电源，既能将化学能转换为电能，也能将电能转化为化学能，它与发电机并联。

蓄电池长久不用，它会慢慢自行放电，直至报废。因此，每隔一定时间就应启动一次汽车，给蓄电池充电。另一个办法就是将蓄电池上的两个电极拔下来，需注意的是从电极柱上拔下正、负两根电极线，要先拔下负极线，或卸下负极和汽车底盘的连接。然后再拔去带有正极标志(+)的另一端，蓄电池有一定的使用寿命，到一定的时期就要更换。在更换时同样要遵循上述次序，不过在把电极线接上去时，次序则恰恰相反，先接正极，然后再接负极。

剩余容量是指蓄电池等储能装置在经过一定时间的使用后剩余的容量大小。

蓄电池由于具有体积小、防爆、电压稳定、无污染、重量轻、放电性能高、维护量小、价格低等优点，被广泛应用于邮电、电力、交通、航空航天、应急照明、军事通信等诸多领域。蓄电池已经成为系统的关键部件之一，它的安全可靠运行直接关系到整套设备的可靠运行。但是在使用过程中，由于剩余容量无法准确预测，轻的造成事故,重的酿成惨剧。因此，必须建立一个有效的蓄电池管理系统，准确可靠地预测蓄电池剩余容量则成为电池管理系统中最基本和最要的任务。

国内外普遍采用荷电状态SOC（state of charge）来表示蓄电池的剩余容量。是直接反映蓄电池的可持续供电能力和健康状况的一个重要参数。由于蓄电池有着不同的类型、用途以及外部环境,的影响因素众多，因此其预测采用的方法各种各样，使用的电池模型也不尽相同。一般蓄电池的建模方法可以分为两大类：一类是物理建模方法；另一类是系统的辨识与参数估计建模方法。

（1）放电实验法。放电试验法是大家公认的最可靠的估计方法。按某一放电倍率的电流将电池进行连续放电至规定的零点，放电电流与时间的乘积即为剩余容量。放电试验法主要用于实验室计算电池组充电效率、检验估算精度或者用于蓄电池的检修,适用于所有电池。但是，该方法有两个明显的缺点需要大量时间和人力电池正在进行的工作不得不中断，无法实时在线预测。对于静态后备蓄电池可以采用，但对于重要场合,用此方法则要冒一定的风险，因为放电期间，系统在没有电池备份下运行,一旦主电源出现问题或者市电中断,整个系统都将瘫痪，造成不可估量的损失。

（2）安时法。安时法实质是将电池看作一个黑箱，认为流进电池的电量与流出电池的电量有一定的比例关系,而不考虑电池内部的结构和外部的电气特性，因此这种方法适用于各种电池。同时可以看出，安时法在应用中存在的问题要求标定初始值需要精确计算充放电效率需准确测量电流，电流测量不准，将造成计算误差，长期会存在电流积分的累计误差在高温状态和电流波动剧烈的情况下误差较大。因此，在实际应用场合采用安时法时，一般根据使用环境和条件考虑对充放电率、温度、电池老化以及自放电率等因素进行补偿。

（3）密度法。密度法主要用于铅酸蓄电池。由于电解液密度在充电过程中逐渐变高，放电过程中逐渐降低，且蓄电池容量与密度呈一定的线性关系，因此，通过测量电解液的密度可以预测的大小。由于密度法需对电解液进行测量，主要应用于开口式铅酸电池，若能够开发出更高精度的密度一容量传感器，在极其重要的场合，可将其在生产时就植人密封蓄电池。

（4）开路电压法。开路电压是指蓄电池在开路状态下的端电压，在数值上接近电池电动势。开路电压法是根据电池的剩余容量与开路电压有一定的线性正比关系而建立起来的，通过测量开路电压就能够直接得到剩余容量的大小。其优点是不依赖蓄电池尺寸、大小和放电速度，只以开路电压为测试参数，相对比较简单。

（1）神经网络法。由于蓄电池是一个复杂的非线性系统，对其充放电过程建立准确的数学模型难度较大。而神经网络具有分布并行处理、非线性映射和自适应学习等特性，可较好地反映非线性的基本特性，在有外部激励时能给出相应的输出，因此能够在一定程度上模拟蓄电池动态特性，估算SOC。

估算蓄电池大多采用典型的3层人工神经网络。一般直接采集蓄电池的放电电流、端电压以及温度或采用变电流组合测量方法，确定电动势和内阻作为神经网络模型的输入，SOC作为输出。其中输入、输出层神经元一般为线性函数隐含层节点数目取决于问题的复杂程度及分析精度，可根据网络在训练过程中的收敛速度和训练完成后的误差来确定。人工神经网络法适用于各种蓄电池，但该方法的误差受训练数据和训练方法影响很大,而且实际使用中存在噪声干扰影响网络的学习与应用。

（2）卡尔曼滤波法。卡尔曼滤波理论的核心思想,是对动力系统的状态作出最小方差意义上的最优估计，它既适用于线性系统也适用于非线性系统。

在运用卡尔曼滤波法估算时，首先要建立适合于卡尔曼滤波估计的电池模型，且模型须具备两方面特点：1）能够较好地体现电池的动态特性，同时阶数不能太高，以减少处理器的运算量，便于工程实现；2）模型必须能够准确反映电池电动势与端电压的关系，从而使闭环估计有较高的精度。