OCV-SOC曲线自学习方法、装置、电子设备及介质

本发明涉及电池技术领域，提供了一种OCV‑SOC曲线自学习方法、装置、电子设备及介质，该方法包括：基于实际运行数据和电芯测试标准数据确定电池的第一健康状态、SOC标准触发值以及SOC实时触发值；响应于第一健康状态与获取的电池的第二健康状态之间的误差以及SOC标准触发值与SOC实时触发值之间的误差满足预设更新条件，基于实际运行数据和不同时刻对应的SOC实时值得到修正OCV‑SOC曲线；基于修正OCV‑SOC曲线更新原OCV‑SOC曲线。本发明通过“基础参数精准确定‑可信场景筛选与曲线修正‑曲线实时更新”的闭环流程，大幅提升了卡尔曼滤波算法在不同工况下的SOC估计精度。