SOC估计
荷电状态的估计重要包括放电实验法、电流表法、开路电压法、内阻法、线性模型法、卡尔曼滤波法和神经网络法。
放电测试方法
目标电池持续放电，直到电池的截止电压，放电过程中所用的时间乘以放电电流的值，即电池的剩余容量。该方法相对简单、可靠，对不同类型电池的检测结果更准确、有效。有两个重要的缺点。首先，测试过程花费大量时间。其次，该方法要将电池从电动汽车中取出，因此不能用于计算工作状态下的电池。
2安培时计(电流积分法、安培时积分法)
电池在不同电流下的放电量等于一定电流下的放电量。重要思想是标致方程。这种方法相对简单，只关注系统的外部特点。在电量估算中，只考虑进出的电量。但是，这种方法并没有得到电池内部SOC与放电的关系，只是记录了充放电量，这样会导致SOC的累积误差，导致精度较低，而且这种方法不能确定电池的初始值。
开路电压法
根据电池开路电压与电池内部锂离子浓度的变化关系，间接拟合出电池开路电压与电池内部锂离子浓度的一一对应关系。要以固定的放电速率(通常为1c)对充满电的电池进行放电，根据放电过程得到ocv与SOC的关系曲线。在实际运行中，SOC是由电压决定的，对所有电池都有效。然而，有两个缺陷。首先，在测量ocv之前，必须让目标电池静置1小时以上，使电解液均匀分布在电池内部，从而获得稳定的端电压。其次，虽然电池在不同温度、不同寿命周期下的开路电压是相同的，但实际的SOC差异可能很大，因此这种方法的测量结果在长期运行中并不能保证完全准确。因此，它不适合操作电池。
4内部阻力
以不同频率的交流激励电池，测量电池内部的交流电阻，根据所建立的计算模型得到电池的荷电状态估计。该方获得的充电状态反映了电池在一定恒流条件下的SOC值。由于SOC与内阻之间不存在一一对应关系，不可能通过数学模型准确地建模。因此，这种方法很少用于电动汽车。
线性模型方法
该方法基于SOC变化、电流、电压和前一时刻的SOC值，建立线性模型，适用于低电流、SOC变化缓慢的情况，对测量误差和误差的初始条件具有很强的鲁棒性。理论上可以应用于不同阶段的不同电池，但目前仅适用于铅酸电池。由于SOC与电流、电压的关系并不普遍，其对其他电池的适用性以及变流情况下的估计效果有待进一步研究。
卡尔曼滤波方法
其重要思想是在最小方差意义下对动力系统进行最优估计。该方法可应用于电池片荷电状态的估计，并可根据最小均方误差原理对复杂系统的估计进行优化。预测-测量-校正模式，消除干扰和偏差。然而，它有以下两个缺点。首先，SOC估计的准确性在很大程度上取决于电池模型的准确性。假如模型不准确，估计结果可能不可靠。其次，该方法涉及的算法非常复杂，计算量大，所需计算周期长，要单片机的计算能力高。
