高文哲，黄 涛

（1.四川长虹电源有限责任公司，四川 绵阳 621000；2.四川星辉诺通讯工程有限公司，四川 成都 610000）

0 引 言

对于新能源电动汽车而言，内部动力锂电池荷电状态SOC堪比燃油汽车剩余油量，是电动汽车最重要的参数之一[1]。

卡尔曼滤波法作为一种基于系统最优状态的无偏估算方法，能够有效遏制系统误差累计，对锂电池充放电电流变化不敏感，被广泛用于锂电池SOC估算，如扩展卡尔曼滤波法EKF[2]。

EKF通过将非线性的SOC估算过程泰勒展开，并直接忽略高阶展开项，按照近似线性系统进行处理，虽然简化了系统估算流程，但也不可避免的产生线性化误差，导致最终估算精度较低，而无迹卡尔曼滤波法UKF通过将无损变化和标准卡尔曼滤波相结合，能够较好的解决非线性问题[3]。

1 锂电池模型及参数辨识

1.1 锂电池等效电路模型

锂电池等效电路模型是基于电源、电阻、电容等基础电器元件构成的集成电路网络来模拟锂电池充放电特性，该集成电路的数学描述方程即为建立的等效电路模型[4]。常用锂电池等效电路模型主要有Rint模型、RC模型以及Thevenin模型，其中Thevenin模型充分考虑了锂电池内部化学反应中的极化现象，以及其内阻随温度、电流和充放电状态变化的影响，较好地模拟了锂电池动静态特性和充放电行为，因此本文选择Thevenin等效电路模型进行锂电池SOC估算研究，如图1所示。

Thevenin等效模型中Uoc为锂电池的开路电压（OCV）；Ro为锂电池内阻；R1为锂电池极化内阻；C1为锂电池极化电容。……