铅酸蓄电池荷电状态怎么样估算？目前国内外对铅酸蓄电池SOC的检测方法大致分为两大类：
第一类是从研究铅酸蓄电池的内部用途机理出发，通过检测电解液密度来估算蓄电池的SOC。同时通过外部表征量以及使用相关经验还可以得到电池的一些内部信息，如极板的硫酸化、极板的脱落、电解液液面降低等等。另一类是从研究蓄电池的外部特性角度出发，对其端电压、电流、内阻等电池的表征量进行分析，采用一定的检测装置和算法得到蓄电池的SOC。这类是目前研究最多、应用最广泛的方法，重要有安时法、开路电压法、内阻法、卡尔曼滤波算法、神经网络以及模糊算法等等。
(1)安时法
该方法通过检测初始时刻至时刻的电流，采用积分算法得到充入电量和放出电量，与额定容量Cn相比后，再与初始SOC0时刻相减，即可得到t时刻的SOC值。
安时法因其检测方法简单，易于实现等优点在SOC检测中被广泛应用。但安时法也存在两个重要缺陷：a)要较为准确的SOC初始值;b)安时法是开环的电流积分，且电池在工作时受充放电倍率、温度、老化等因素影响。如不考虑这些因素，随着时间的新增，安时法累积误差将越来越大，最终得不到准确的SOC值。
(2)开路电压法
开路电压法是利用电池的开路电压与SOC有相对固定的函数关系，通过测量铅酸蓄电池的开路电池来估算SOC。开路电压法比较简单，但由于极化用途，电池要几个小时甚至十几个小时的静置时间来达到稳定的开路电压，这给测量造成困难。
(3)内阻法
铅酸蓄电池内阻有交流内阻和直流内阻之分。关于铅酸蓄电池，其内部阻抗与蓄电池的容量及完好性有着密切的关系，因此有人提出可以利用测量阻抗来评估和预测蓄电池的性能。事实上，在线准确测量电池的内阻是比较困难的。
(4)神经网络法与模糊理论法
关于蓄电池而言，其内部参数之间关系是高度非线性的，有的参数甚至是未知的，这使得想要通过建立一个简单而有效的数学方法来估算蓄电池的状态很难。神经网络以及模糊理论都是处理非线性系统的有力工具，近年来，采用神经网络和模糊理论来估算蓄电池SOC的研究不断涌现。
(5)卡尔曼滤波法
卡尔曼滤波法估算SOC是通过一系列数学递归公式来实现SOC的最小方差估计。卡尔曼滤波算法在估算SOC过程中不仅能保持较好的精度，并且对初始值的误差有很强的修正用途，适用于各种类型的电池。卡尔曼滤波算法估算SOC时有着不同的应用方式，一般情况下选取安时法计算SOC的变形公式作为状态方程，也有直接利用蓄电池数学模型或相关经验公式直接获得状态方程。
