電池狀態SOX(SOC/SOE/SOP/SOH)是電池能源系統運行和決策的重要依據之一，也是BMS技術的難點。國內廠家通常算法是基于安時積分和OCV修正算法、或卡爾曼濾波算法，缺點是不能適應電池衰減的參數變化。很多電池廠更是以電池全壽命周期的測試數據閉環比對計算，缺點是測試成本高、任何電池參數變化就需要重新測試。
高特的電池狀態計算技術采用了一種全新的算法，具有自學習和神經網絡模型特點，能自適應各類電池，實時學習電池參數，具有很好的收斂性和魯棒性。高特還創新性的提出SOS的定義，把電池的安全狀態作為電池的一個評價參數，可大幅提高電池系統的安全性。
左圖是對一個系統中的三節電池進行驗證的效果圖，圖中真實值為黃色曲線，紅、綠、藍為三節電池曲線。在第一次充電SOC=40%時，對系統結果人為修改，對藍、綠電池添加了正15%和負15%的偏差，可以看到誤差曲線馬上跳到了17%，爾后迅速被拉回。再次在SOC=90%的點插入誤差，正10%、負10%、負20%，也可以看到誤差被迅速拉低，系統表現出誤差干擾非常好的魯棒性。
迄今為止，電池的安全評估一直沒有被解決。高特在2018年創新性的提出了安全評估參數SOS（state of safety）,并進行了開創性的研究工作。
SOS（State of Safety）是電池安全參數的綜合評估值。通過對每個單體電芯的電壓、溫度監測，結合SOC、SOH、R 、ΔR、T、ΔT 給出SOS的評估。
SOS = F[ SOC, SOH, ΔR, ΔT ]
通過建立電池失效及熱失控的判斷模型，及時給出電池安全評估參數，使控制系統采取必要的安全保護動作達到系統的安全性。