秦东晨，张东明，王婷婷，李建杰

（郑州大学机械工程学院，河南 郑州 450001）

1 引言

电池组荷电状态（Stage of Charge，简称SOC）是评价电动汽车续航里程和加速性能的重要指标，SOC 的准确估算，对于电动汽车电池管理系统控制精度及可靠性极其重要[1]。电池模型用于描述电池工作的动态特性，是锂电池SOC 估计必不可少的环节，也是电池管理系统建模仿真的难点之一；电池组SOC 的估算只能通过电流、电压等相关参数间接得到，而受到温度、充放电倍率、容量变化等的影响，估算输入参数存在较多不确定因素[2-3]。

文献[4]提出一种噪声方差可变卡尔曼滤波方法估计SOC；文献[5]提出采用自适应无迹卡尔曼滤波算法估计动力电池SOC；均通过对卡尔曼滤波算法的改进提高了SOC 估计精度，但两种方法迭代过程较为复杂，计算量较大；文献[6]提出基于粒子波和卡尔曼滤波相结合的SOC 估计，精度很高，但也更为复杂，估算时间长，会造成延迟。针对汽车用动力电池SOC 估计问题，以磷酸铁锂电池为研究对象，根据其充放电特性改进PNGV 等效电路模型，再结合扩展卡尔曼滤波算法（Extended Kalman Filter，简称EKF），通过相关实验数据，对电流效率和实际容量进行修正，提高电池SOC 估计精度。整个过程不增加算法复杂度，只对输入参数进行修正，计算简单。最后通过新欧洲行驶工况（New European Driving Cycle，简称NEDC）的实验与仿真验证了模型及算法的有效性。

2 改进的等效电路模型

等效电路模型是基于电池工作原理，用电阻、电容等电路元件来描述电池的工作特性，现有等效电路模型中Rint 模型结构最为简单，但不能良好反应电池充放电特性；……