電池的 SOC 估算：為什麼電量顯示不準
三個常見迷思
在進入技術細節前，先破除三個很常見的誤解：
二、為什麼電量顯示會不準：五個根本原因
搞懂 SOC 是估算值之後，接著要問：誤差到底從哪裡來？以下五個原因，幾乎涵蓋了九成以上的「電量不準」情境。理解它們，你就能判斷眼前的問題是正常的物理限制，還是真的該送修了。
原因一：電壓平台太平坦，開路電壓幾乎沒有辨識度
最直覺的估算方式，就是「量電壓、對照曲線」。電池的開路電壓（OCV）確實會隨電量變化，但問題是——這條曲線在中段非常平坦。以目前行動電源、電動車與儲能系統大量使用的磷酸鐵鋰（LFP）電池為例，它在 20% 到 80% 的區間裡，電壓幾乎都維持在 3.2V 到 3.3V 之間，變化可能只有幾十毫伏。
這代表什麼？代表在這個「最常用的區間」裡，電壓幾乎沒有解析度。假設你的電壓量測精度是 ±10mV，換算成 SOC 可能就是 ±15% 甚至更多。三元鋰（NCM／NCA）的曲線斜率好一些，中段仍有明顯變化，所以在手機、筆電這類使用三元鋰的裝置上，純電壓法的表現會比 LFP 好，但依然不足以單獨支撐精確的百分比顯示。
更麻煩的是，開路電壓必須在「靜置、無負載、電壓穩定」的狀態下量才有意義。手機一開機就在耗電，電動車一上路就在輸出，根本很難取得真正的 OCV。這也是為什麼很多裝置只有在「閒置一段時間」或「剛開機」時，才會偷偷用電壓重新校正一次 SOC。
原因二：庫倫計數法的誤差會不斷累積
既然電壓不靠譜，業界最主流的方法就是「庫倫計數法」（Coulomb Counting，又稱安時積分法）：用電流感測器持續量測流入與流出的電流，再對時間積分，算出電荷的增減。公式很簡單：SOC(t) ＝ SOC(0) － ∫I dt ÷ Q額定。聽起來很完美，對吧？問題在於「積分」這個動作，會把微小的誤差一路放大。
電流感測器普遍存在「零點偏移」（offset）。假設感測器有 10mA 的固定偏差，看起來微不足道，但連續積分 100 小時，就會累積出 1Ah 的誤差；對一顆 5000mAh 的電池來說，這已經是 20% 的偏差。而且這個誤差是「單向累積」的，不會自動抵銷。取樣頻率不夠、AD 轉換精度不足、溫度漂移造成感測器特性改變，也都會貢獻誤差。
所以庫倫計數法一定要搭配「定期重置」——也就是在電池充滿或放到已知狀態時，把 SOC 拉回 100% 或 0%，把累積誤差歸零。這正是為什麼很多裝置「一段時間沒完整充放電，電量顯示就越來越飄」的原因。沒有重置點，庫倫計數就像一個沒有歸零功能的計步器，走越久越不準。
原因三：溫度與老化的雙重干擾
電池的可用容量會隨溫度劇烈變化。低溫時電解液黏度上升、離子傳導變差、內阻變大，實際能放出的容量會明顯下降；一顆在 25°C 能放出 5000mAh 的電池，在 0°C 可能只剩 4000mAh 左右，到了 -10°C 甚至可能只剩七成。但 BMS 的「額定容量」通常是在常溫下標定的，於是低溫環境下就會出現「百分比掉得特別快」的現象。
老化則是另一個慢性殺手。隨著充放電循環增加，電池的實際容量會衰減、內阻會上升。如果 BMS 沒有及時更新「可用容量」這個分母，SOC 就會系統性偏高——顯示還有 50%，實際可能只剩 40% 的可用電量。內阻上升還會造成「負載下沉」：同樣的電流，老電池的電壓掉得更多，更容易觸發低電壓保護而提早關機，讓使用者感覺「明明還有電卻自動關機」。
溫度與老化還會互相加成。高溫會加速 SEI 膜增厚與容量衰減，低溫則會讓內阻瞬間飆高。這也是為什麼一支用了兩年的手機，在冬天戶外特別容易「假性沒電」——不是 SOC 算錯，而是電池在低溫下的實際輸出能力，已經撐不住系統的瞬時負載了。
原因四：極化與遲滯讓電壓落後於真實狀態
電池在充放電時，內部會產生「極化」現象——包括電化學極化、濃差極化與歐姆極化。簡單說，就是電壓的反應會「慢半拍」。你剛放完電，電壓不會立刻回到平衡值，而是需要一段時間「弛豫」（relaxation）才會慢慢回升；同樣地，剛充完電，電壓也會先偏高再緩緩下降。
這段弛豫時間可能長達數十分鐘甚至數小時。如果 BMS 在電壓還沒穩定時就急著用電壓推算 SOC，就會得到偏離事實的結果。另一個相關現像是「遲滯」：同一顆電池，從放電方向逼近 50% 與從充電方向逼近 50%，對應的開路電壓可能不一樣。這使得單純靠電壓查表的方法，在充放電切換頻繁的情境下特別容易失準。
這也是為什麼有些筆電或手機在「剛拔掉充電器」時，電量會突然從 100% 掉到 97%，過幾分鐘又回穩。那不是電真的少了 3%，而是電壓從充電時的偏高狀態，回到開路平衡狀態的過渡現象。
原因五：負載動態與系統取樣誤差
真實世界的負載不是穩定的。手機可能同時開啟 GPS、5G、相機與高亮度螢幕，瞬時電流可以從幾十毫安培跳到一、兩安培；電動車的電流變化更劇烈，從回充的負電流到加速時的正電流，跨度可達數百安培。BMS 的取樣頻率如果跟不上，或感測器的動態範圍不足，就會漏掉瞬間的電荷變化。
此外，裝置內部的功耗分工也很複雜。以手機為例，SOC 顯示通常由「電量計 IC」（Fuel Gauge）負責，它會整合電壓、電流、溫度與歷史模型；但系統端的耗電統計、螢幕亮度補償、背景程式活動，都會影響使用者「感覺」的電量變化速度。於是就出現「待機一整晚只掉 2%，看影片十分鐘掉 5%」這種非線性體感——這不一定是估算錯誤，而是負載本身就不線性。
最後還有一個常被忽略的因素：顯示映射。很多廠商不會把真實 SOC 直接線性顯示，而是做「非線性映射」或「平滑處理」，避免百分比跳動太劇烈。例如把 0～10% 壓縮得比較慢，讓你覺得「還有餘裕」；或在 90%～100% 之間放慢充電速度以保護電池。這些設計都會讓顯示值與真實 SOC 之間存在刻意的不一致。
三、業界怎麼估 SOC：從簡單到複雜的四種方法
理解了誤差來源，接著看工程師怎麼應對。SOC 估算方法大致可以分成四個層次，從最陽春到最先進，成本與精度差異很大。多數商用裝置不會只用一種，而是「混合使用」——這也是為什麼同一顆電池在不同裝置上，顯示出來的電量曲線會不一樣。
開路電壓法（OCV）：簡單但有先天限制
開路電壓法是最直覺的方法：建立一條「OCV－SOC」對照曲線，量到電壓就查表得到 SOC。優點是成本極低、不需要長時間累積、不會有漂移問題，而且在小電流、靜置狀態下相當可靠。很多入門級行動電源、藍牙耳機、玩具電池，本質上就是靠這個方法在估算。
但它的缺點也很明顯：需要靜置、需要溫度補償、在平坦電壓平台區解析度差、無法反映老化。因此 OCV 法通常只用在「開機初始化」或「長時間靜置後的重置」，作為其他方法的校正基準，很少單獨扛起即時顯示的任務。
庫倫計數法：主流但怕漂移
庫倫計數法是目前消費性電子與電動車最普遍的核心方法。它不受電壓平台平坦的影響，在動態負載下也能持續追蹤電荷變化，響應速度快。實作上通常會搭配一顆專用的電量計 IC，內部整合高精度電流感測、溫度補償與積分運算。
它的致命傷就是前面提過的累積誤差與零點漂移。因此實務上一定會設計「校正點」：例如偵測到充電截止（充滿）時把 SOC 設為 100%，或偵測到放電截止（低電壓保護前夕）時設為 0%。有些系統還會利用靜置時的 OCV 做「中點校正」，把漂移拉回來。校正點的設計好不好，直接決定了一顆電池「電量顯示耐不耐用」。
模型基礎法與卡爾曼濾波：精度最高的主流解法
要同時解決「電壓法不準」與「庫倫法會漂移」的問題，業界的高階做法是「模型基礎法」：先建立電池的等效電路模型（例如戴維寧模型、RC 網路模型），把電池描述成開路電壓源串聯內阻與極化電容，再用「卡爾曼濾波」（Kalman Filter）這類估測演算法，把電壓、電流、溫度等量測值融合起來，即時修正 SOC 與內阻參數。
卡爾曼濾波的核心概念是「預測＋修正」：先用模型預測下一步的 SOC，再用實際量到的電壓去比對，根據不確定性自動調整權重。常用的變體包括擴展卡爾曼濾波（EKF）與無跡卡爾曼濾波（UKF）。電動車的 BMS 幾乎都採用這類方法，因為它可以在動態負載下維持 2%～5% 以內的誤差，並且能同時估出 SOH 與內阻變化。
代價是運算量與調校難度。模型參數會隨溫度、老化而變，必須持續做「參數辨識」；如果模型不準，濾波器反而會收斂到錯誤的答案。這也是為什麼同樣是電動車，不同車廠的「電量預估」體驗可以差很多——差別往往不在電池本身，而在 BMS 的模型與調校功夫。
資料驅動與機器學習：新興但仍在演進
近年來，隨著邊緣運算能力提升，開始有研究與產品採用「資料驅動」方法：用大量充放電數據訓練類神經網路或支援向量回歸模型，直接從電壓、電流、溫度、阻抗頻譜等特徵預測 SOC。這類方法不需要精確的物理模型，對非線性與老化的適應力較好，在實驗室條件下常能達到很高的精度。
不過，機器學習模型有「黑箱」特性，需要大量標註數據，且在不同電池化學、不同工況下的泛化能力仍是挑戰。目前它多半扮演輔助角色，例如用來修正模型基礎法的殘差，或用在雲端 BMS 做離線分析，短時間內還不會完全取代卡爾曼濾波。
四、不同裝置的 SOC 顯示有什麼不一樣
同樣是「電量百分比」，手機、筆電、電動車與行動電源的背後邏輯其實差很多。理解這些差異，你就不會用同一套標準去要求所有裝置。
手機與筆電：電量計 IC 加上「體感調校」
手機與筆電通常採用三元鋰電池，電壓曲線較有斜率，加上空間有限、成本敏感，主流做法是「電量計 IC ＋ 庫倫計數 ＋ OCV 校正 ＋ 阻抗追蹤」。部分晶片廠（如 TI 的 Impedance Track 技術）會持續學習電池阻抗與容量，隨老化自動更新模型，因此即使電池用了兩年，百分比仍有一定可信度。
但手機廠商往往會在此之上再做「體感調校」：例如把最後 1% 撐得特別久、把 0% 設在真正的保護電壓之前，或在不同溫度下動態調整顯示曲線。這些設計是為了避免突然關機與使用者抱怨，代價就是「顯示值」與「真實 SOC」之間存在刻意的不一致。所以手機電量顯示「不準」有時不是 bug，而是 feature。
電動車：BMS 最複雜、精度要求最高
電動車的電池包由數百甚至數千顆電芯串並聯組成，BMS 必須同時監控每一串的電壓、溫度與均衡狀態，SOC 估算通常採用模型基礎法搭配卡爾曼濾波。由於關乎續航焦慮與安全，車廠對精度要求很高，還會把「預估剩餘里程」與 SOC 一起呈現。
不過電動車的顯示策略通常更保守：會保留較大的「緩衝電量」（buffer），避免過充與過放；低溫時會主動限制輸出功率，並提前下修 SOC 與里程預估。這也是為什麼電動車在寒流來襲時，常常一啟動就「掉電」——系統是在保護電池，不是在騙你。
行動電源與家用儲能：成本與精度的拉鋸
入門行動電源為了壓成本，常採用簡單的電壓查表法或低階電量計，誤差可以大到 10%～20%，而且老化後幾乎不會自我更新，所以用久了「顯示三格、實際只剩一格」的情形很常見。中高階產品才會導入庫倫計數與溫度補償。
家用儲能系統則介於兩者之間：它通常使用 LFP 電池，電壓平台平坦，對估算演算法要求更高；但因為多為固定安裝、負載相對穩定，且可透過雲端長期學習，整體精度反而可以做得不錯。重點是它會明確區分「可用電量」與「保護電量」，避免使用者在停電時才發現「顯示還有電卻不能用」。
五、使用者能做的事：讓電量顯示更可信
看到這裡，你應該已經明白：電量顯示不準，多半不是單一故障，而是物理限制、演算法設計與使用習慣交織的結果。雖然我們無法改變 BMS 的演算法，但可以透過一些做法，讓估算系統有機會「重新校正」，減少誤差累積。
日常校正與充放電習慣
什麼時候該懷疑是電池老化
校正無效、且出現以下情況時，與其繼續跟百分比搏鬥，不如面對現實：
充滿電後的實際使用時間，明顯比剛買時短很多（例如只剩六、七成）。
電量百分比在短時間內大幅跳動，例如從 60% 直接掉到 30%。
裝置在低電量時特別容易發熱，或充電時溫度異常升高。
電池外觀膨脹、變形（這種情況請立即停用並送修，有安全風險）。
這些現象通常代表 SOH 已經明顯下降，也就是「分母」變了，但 BMS 沒有即時更新。此時更換電池，往往比任何軟體校正都有效。
六、結語：不準是常態，理解才能少一點焦慮
電池的 SOC 估算，本質上是一場「用有限資訊對抗不確定性」的工程。電壓平台太平坦、庫倫計數會漂移、溫度與老化不斷改變電池特性、負載又隨時在變——在這樣的條件下，能把電量百分比控制在誤差 5% 以內，其實已經是相當不容易的成就。下一次當你看到手機從 20% 直接關機，或電動車在寒流中「掉電」，先別急著罵廠商；多數時候，那是物理定律與保護機制在運作，而不是單純的瑕疵。
理解 SOC 的原理，最大的好處是讓你能做出正確判斷：什麼時候該做校正、什麼時候該調整使用習慣、什麼時候該送修換電池。與其追求一個「永遠準確」的百分比，不如把電量顯示當成一種「參考指標」，搭配自己的使用經驗來判斷。畢竟，真正決定續航的，從來不是那個數字，而是你怎麼用它。