樊翠玲

(驻马店职业技术学院, 河南 驻马店 463000)

0　引　言

锂电汽车行驶距离很大程度上由锂电池决定，精确对锂电池荷电状态(State of Chavge, SOC)估算是动力电池延长使用寿命重要参数之一，由于锂离子电池内部结构复杂，同时受到电流、温度等多个因素的影响，使得SOC精确计算比较困难[1]。

目前基于电池外特性参数测量常用的方法有：放电实验法是最为直接和可靠的电池剩余电量估计方法[2]，该方法简单、准确，但是实际应用中此方法只能离线工作，而且造成能量浪费；开路电压法测试精确、使用简单[3]，但是需要电池静置较长时间才能进行估算，不适用于在线估算；安时积分法能够在短的时间内，精确地估算出结果[4]，但是由于在开环估算条件下SOC的初始值无法确定，导致出现误差累计；内阻法通过电池固有的直流内阻和交流内阻之间的关系进行估算[5]，但是很难测量内阻；线性模型法根据SOC变化量、电流、电压和上一个时间点SOC值计算[6]，只适用于小电流、SOC缓变的情况；基于电池模型的智能算法主要有：神经网络算法通过对采集的大量数据进行估算[7]，因此精确度比较高，但是如果采集的数据量少，影响估算结果；卡尔曼滤波法利用电压电流递算出SOC的最小方差估计[8]，但是对不同的模型计算结果不一样，同时对计算机运行速度要求高；模糊逻辑算法模拟人类模糊思维，最终实现SOC的估计，该方法需要充分了解电池自身特性，同时也需要超大的运算量支持。

为了提高锂电池SOC估算的精度，本文采用改进粒子滤波算法。……