张康康 郑晓彦 高金辉

摘 要： 电池的荷电状态（SOC）是指电池剩余电量占总容量的比例。对荷电状态的测量是通过对电池电压和电流等数据的间接分析，这一过程不可避免地会出现噪声的干扰，进而对估计结果造成严重影响。在此采用人工神经网络的电池模型来估计电池SOC，再利用无迹卡尔曼滤波算法来减少神经网络估计电池SOC的误差。通过仿真结果与真实值之间的比较证明了该模型具有准确预测电池荷电状态的性能。

关键词： 荷电状态（SOC）； 神经网络； 无迹卡尔曼滤波； 电压平台期； 噪声干扰； 电池剩余电量

中图分类号： TN36?34； TM912 文献标识码： A 文章编号： 1004?373X（2018）20?0150?03

Abstract： The state of charge （SOC） of the battery is the ratio of the remaining battery capacity to the total capacity. The SOC measurement is conducted by means of indirect analysis for voltage and current data of the battery， but noise interference is inevitable in this process， which has a serious impact on estimation results. The battery model based on artificial neural network is adopted to estimate the SOC of the battery. The unscented Kalman filter （UKF） algorithm is used to reduce battery SOC estimation errors of neural network. The comparison of the simulation results and real values proves that the model can accurately predict the SOC of the battery.

Keywords： SOC； neural network； unscented Kalman filter； voltage plateau； noise interference； remaining battery capacity

能源危機以及环境恶化对传统的汽车发展的影响越来越大，因此电动汽车得到了大家的广泛关注。动力电池组作为电动汽车的重要组成部分，需要对电池进行严格的管理和控制。

估算电池荷电状态（SOC）是电池管理系统最基本也是最重要的功能之一，系统中的许多其他功能都依赖于电池荷电状态评估的结果。

1 电压平台期

如图1所示是磷酸铁锂的开路电压?荷电状态（OCV?SOC）曲线。对于磷酸铁锂电池，开路电压曲线在一些区域（3.2 V左右之前）十分平缓，这就是电压平台期。图中中间部分的曲线几乎达到了完全的水平。在这区域附近，随着电池的充放电，电池可以维持相对稳定的开路电压，进行SOC估算会有很大的误差[1]。

2 神经网络模型

神经网络是智能的计算工具，对于系统模型，它有着广泛的应用。神经网络可以拟合非线性函数并使它们适合于复杂系统模型。……