崔鹰飞，陈则王

(南京航空航天大学 自动化学院，江苏 南京 211106)

0 引言

在能源危机和环境污染日益严重的背景下，节能和环保是时代的主题，寻求安全、清洁、高效的能源转化和存储技术是目前科技领域的研究热点。电池作为一种电能的存储和转化载体，能够在几乎不付出环境污染代价的同时以极高的效率转化能量，因而受到科技领域的广泛关注。荷电状态估计(state of charge, SOC)是电池管理系统的核心部分，它不仅可以使用户直观明确地了解电池电量的使用及剩余情况，还决定着电池的使用性能和安全。由此可见，电池SOC的估算研究有着重要的意义[1]。

目前常用的SOC估计方法大多是基于电池模型实现的。将模型应用于电池管理系统当中，不仅要考虑模型的准确性，使模型尽量准确地还原电池的工作情况，还要考虑模型的简便程度，以使模型的计算合理占用资源，提高效率[2]。常用的电池模型主要有经验模型[3]、等效电路模型[4]、神经网络模型[5]和电化学模型。经验模型、神经网络模型的精度受限于训练样本，而等效电路模型中的模型参数并没有实际物理意义，在复杂工况上误差较大，且这3种模型都无法分析电池的老化和安全问题。而电化学模型从机理上分析电池特性，模型精度更高。

常用的电池电化学模型有准二维多孔电极模型(P2D model)和单粒子模型 (SP model)。P2D模型[6-7]包含一系列耦合偏微分方程，模型复杂度很高，不适合直接应用于电池管理系统。

SP模型[8-9]就是利……