1所示)彼此之间的关系630。将关系630施予标准化之后，便可以得到图1所示的加权模糊器110所需要的第一电池模型640。
[0097]图7显示根据本发明一实施例的用以估计电池的荷电状态的算法所需的硬件方块图及数据表。如图7所示，在写完估计电池电压的算法100后，将图5所示的第二电池模型510与图6所示的第一电池模型640嵌入估计电池电压的算法100。由于电池是在放电的状况下，因此属于第二电池模型510的一部分的图440被绘示。此外，本实施例提供了对应于算法100中的各节点的数据表710。
[0098]根据第一电池模型640，视电池电压VBAT的值而定，第一权重112可介于0.8与1.8之间。在本实施例中，当电池电压VBAT的值为3.894Volts时，被应用于dSOC/dV模糊器120的输出的第一权重112为0.9。
[0099]电压差值dV 121用以作为dSOC/dV模糊器120的输入。其中，电压差值dV 121是由电池电压VBAT减去电池的查表的开路电压152而得到的。经由算法100计算而得的荷电状态S0C被输入至开路电压(0CV)的查表150。如dSOC/dV模糊器120所示，当电压差值dV 121的绝对值越大时，dSOC/dV模糊器120所输出的荷电差值(dSOC*) 122的绝对值越大。图440显示，当电压差值dV 121例如为-100mV时，荷电差值(dSOC*) 122为-0.25。
[0100]如上所述，dSOC/dV模糊器120所计算出的荷电差值(dSOC*) 122被加权模糊器110的输出给施予加权，并且经由优化器130而被施予优化。在一实施例中，优化器130进行加权后，根据最小均方优化的方式与电池充电/放电的实际数据，而产生一 K值。此K值被用以计算荷电差值(dS0C)131。
[0101]接着，算法100将荷电差值(dSOC) 131与累加器140(例如但不限于，利用荷电状态(S0C)的反Z变换(inverse Z transformat1n))加总，以决定一新的荷电状态S0C。此新的荷电状态S0C被回授至开路电压(0CV)的查表150，其中，此一步骤反复地进行。表710显示3个电池的样本，每一个彼此间隔36秒。根据上述关于算法100的内容，本实施例的算法100的运作模式为:先决定电压差值，并针对此电压差值施予多个模糊演算方式。
[0102]图8显示将本发明一实施例所述的算法施予最小均方优化之后所得的实验结果。如图8所示，算法810类似于算法100，二者差异在于:算法810多了额外的最小均方优化功能方块812。算法810所对应的电池电压VBAT及荷电状态S0C分别如图820及图830所示。最小均方优化功能方块812接收图830中通过外部量测仪器所量测的荷电状态S0C的理想值与图830中通过算法100所提供的估计的荷电状态SOC。最小均方优化功能方块812逐步地微调优化器816。根据最小均方优化功能方块812所做的微调，不同的权重(或增益)(权重#1减去权重#3)被应用于优化器816。结果，例如，增益#1是三者之中最好的结果，因此，增益#1被选作一最佳的增益K。
[0103]图9显示于图1所示的实施例中，利用算法100估计电池的荷电状态所得的实验结果。图9包括三张图910、920及930，其显示在不同充电/放电情况下的估计的荷电状态S0C的误差。图910显示在0.5C的标准充电/放电速率下，估计的荷电状态S0C的误差为-3%至+3%之间。图920显示在0.25C的标准充电/放电速率下，估计的荷电状态S0C的误差亦为-3%至+3%之间。图930显示在0.5C的部分充电/放电速率下，估计的荷电状态S0C的误差为-4%至+4%之间。因此，图910、920及930可显示算法100的准确度。
[0104]图10显示本发明一实施例的用以估计电池的荷电状态的方法流程图。本实施例提供一种估计电池的荷电状态S0C的方法1000，其步骤包括:首先，监测一电池电压(VBAT)(步骤1002)。接着，根据一第一电池模型、一第二电池模型及电池电压，估计荷电状态(步骤1004)。第一电池模型包括:在电池电压与根据通过电池的充电、放电及弛豫(relaxing)所收集的一电池信息的一第一权重彼此之间的一第一预设关系。第二电池模型包括:在电池电压与电池的一估计的开路电压之间的一电压差值与根据电池信息的一荷电差值彼此之间的一第二预设关系。
[0105]在一实施例中，监测该电池电压的步骤还包含下列步骤:当电池处于至少下列一种状态时:充电、放电及弛豫，监测多个串联的电池的电池电压。在一实施例中，方法1000还包含下列步骤:在实时估计荷电状态之前，于不同的充电/放电电流下，收集荷电状态与电池电压之间的电池信息。在一实施例中，根据第一电池模型、第二电池模型及电池电压，估计荷电状态的步骤还包含下列步骤:在不监测电池电流的情况下，估计荷电状态。需说明的是，在某些应用场合下，当电池电流的相关信息(下称电池电流信息)本就已有、或可轻易获得时，则可利用电池电流信息来补偿或校准荷电状态，此部分容后详述。
[0106]在一实施例中，估计电池的荷电状态S0C的方法1000还包含下列步骤:于不同的充电/放电电流下，通过量测荷电状态及电池电压，以建立第一电池模型及第二电池模型。在一实施例中，估计电池的荷电状态S0C的方法1000还包含下列步骤:通过根据电池电压于充电/放电电流时与于不同的充电/放电电流时之间的差值，来计算第一权重，以建立第一电池模型。在一实施例中，估计电池的荷电状态S0C的方法1000还包含下列步骤:通过根据充电/放电电流，来计算荷电状态，以建立第二电池模型。
[0107]在一实施例中，估计电池的荷电状态S0C的方法1000还包含下列步骤:首先，根据第一电池模型及电池电压，估计第一权重；接着，根据第二电池模型及电池电压与电池的估计的开路电压之间的电压差值，估计荷电差值；再接着，根据第一权重及荷电差值，产生一加权过的荷电差值；再接着，收集加权过的荷电差值，以提供一估计的荷电状态；最后，根据估计的荷电状态及开路电压的一查表值，以产生电池的估计的开路电压。
[0108]图11显示本发明一实施例的根据电池电压估计电池的荷电状态的方法流程图。本实施例提供一种根据电池电压估计电池的荷电状态的方法1100，其包括下列步骤:首先，模型化电池电压与根据于电池的充电与放电时所收集的一电池信息的一第一权重彼此之间的一第一预设关系，以建立第一电池模型(步骤1102);接着，模型化电池电压与电池的一估计的开路电压之间的一电压差值与根据电池信息的一荷电差值彼此之间的一第二预设关系(步骤1104);再接着，监测电池电压(步骤1106);最后，根据第一电池模型、第二电池模型及电池电压，估计荷电状态(步骤1108)。
[0109]在一实施例中，监测电池电压的步骤还包含下列步骤:当电池处于至少下列一种状态时:充电、放电及弛豫，监测多个串联的电池的电池电压。在一实施例中，根据电池电压估计电池的荷电状态的方法1100还包含下列步骤:在实时估计荷电状态之前，于不同的充电/放电电流下，收集荷电状态与电池电压之间的电池信息。在一实施例中，根据第一电池模型、第二电池模型及电池电压，估计荷电状态的步骤还包含下列步骤:在不监测电池电流的情况下，估计该荷电状态。需说明的是，在某些应用场合下，当电池电流信息本就已有、或可轻易获得时，则可利用电池电流信息来补偿或校准荷电状态，此部分容后详述。在一实施例中，根据电池电压估计电池的荷电状态的方法1100还包含下列步骤:于不同的充电/放电电流下，通过量测荷电状态及电池电压，以建立第一电池模型及第二电池模型。
[0110]在一实施例中，根据电池电压估计电池的荷电状态的方法1100还包含下列步骤:通过根据电池电压于充电/放电电流时与于不同的充电/放电电流时之间的差值，来计算第一权重，以建立第一电池模型。在一实施例中，根据电池电压估计电池的荷电状态的方法1100还包含下列步骤:通过根据充电/放电电流，来计算荷电差值，以建立第二电池模型。
[0111]在一实施例中，根据电池电压估计电池的荷电状态的方法1100还包含下列步骤:首先，根据第一电池模型及电池电压，估计第一权重；接着，根据第二电池模型及电池电压与电池的估计的开路电压之间的电压差值，估计荷电差值；再接着，根据第一权重及荷电差值，产生一加权过的荷电差值；再接着，收集加权过的荷电差值，以提供一估计的荷电状态；最后，根据估计的荷电状态及开路电压的一查表值，以产生电池的估计的开路电压。
[0112]图12显示本发明一实施例的根据电池电压估计电池的荷电状态的系统的硬件方块图。本实施例提供一种根据电池电压估计电池的荷电状态的系统1200。根据电池电压估计电池的荷电状态的系统1200包括:一第一电池模型1202，其包括:在电池电压与根据通过电池的充电、放电及弛豫(relaxing)所收集的一电池信息的一第一权重彼此之间的一第一预设关系；一第二电池模型1204，其包括:在电池电压与电池的一估计的开路电压之间的一电压差值与根据电池信息的一荷电差值彼此之间的一第二预设关系；一电压侦测器1206，用以监测一电池电压VBAT ;以及一荷电状态S0C估计器1208，与电压侦测器1206连接，并且根据第一电池模型1202、第二电池模型1204及电池电压VBAT，估计荷电状态S0C。
[0113]在一实施例中，当电池处于至少下列一种状态时:充电、放电及弛豫时，电压侦测器1206监测多个串联的电池的电池电压。在一实施例中，在荷电状态S0C估计器1208开始实时估计荷电状态之前，第一电池模型1202及第二电池模型1204可于不同的充电/放电电流下，收集荷电状态S0C与电池电压VBAT之间的电池信息。在一实施例中，荷电状态S0C估计器1