0　引言

近年來，鋰離子電池以能量密度高、無記憶效應(yīng)、工作電壓高等優(yōu)點在電動汽車等領(lǐng)域已獲得普遍認(rèn)可。鋰離子電池是一個復(fù)雜的電化學(xué)系統(tǒng)，使用不當(dāng)會加速老化過程以及影響安全性能，為了有效避免電池過充和過放，提高電池的安全性和使用壽命，電池SOC的精確估算尤為重要。然而SOC是電池內(nèi)部的狀態(tài)量，不能直接測量得到，但可以通過僅有的電流、電壓、溫度信息進行估算，因此基于電池外特性的SOC精確估算方法成為研究熱點。

當(dāng)下，鋰離子電池SOC估算方法主要包括開路電壓法、安時積分法、神經(jīng)網(wǎng)絡(luò)法、基于模型的卡爾曼類濾波方法等。開路電壓法容易受到不確定因素的干擾，如溫度、電池的老化程度、靜置時間等。安時積分法需要通過其他方法獲取初值，電流測量精度直接影響估算效果，精度過低會造成一定的累積誤差。神經(jīng)網(wǎng)絡(luò)法需要大量和全面的數(shù)據(jù)進行訓(xùn)練，數(shù)據(jù)的數(shù)量和質(zhì)量以及訓(xùn)練方法都會對估算效果產(chǎn)生較大的影響。基于模型的卡爾曼類濾波算法需要依賴精確的等效模型，此外初值的選取也很重要。XU等在基于鋰離子電池等效模型的基礎(chǔ)上，采用在線辨識模型參數(shù)和無跡卡爾曼濾波算法進行鋰離子電池的SOC估算，平均估算誤差在2%左右。施輝偉等在Thevenin模型的基礎(chǔ)上使用拓展卡爾曼濾波算法實現(xiàn)了在不同溫度、放電倍率和初始誤差下對電動汽車電池SOC的精準(zhǔn)估算。Almaita等提出了長短期記憶神經(jīng)網(wǎng)絡(luò)模型，對鋰離子電池的SOC進行估算，最大估算誤差小于0.62%。然而以上研究均未考慮噪聲對估算精度的影響，存在一定的局限性。

本文針對拓展卡爾曼濾波算法進行鋰離子電池SOC估算時過程噪聲和觀測噪聲固定不變的問題，提出一種基于等效模型的自適應(yīng)拓展卡爾曼濾波算法，在拓展卡爾曼濾波算法的基礎(chǔ)上引入觀測噪聲信息和過程噪聲信息協(xié)方差匹配環(huán)節(jié)，能夠有效提高鋰離子電池SOC的估算精度。

本文詳細(xì)內(nèi)容請下載：http://m.jysgc.com/resource/share/2000005283

作者信息：

王祥，蘇建徽，賴紀(jì)東，周晨光，蘇志鵬

（合肥工業(yè)大學(xué) 光伏系統(tǒng)教育部工程研究中心，安徽 合肥 230009）