容伟，佘世刚，魏新尧，刘爱琦

（1. 常州大学机械工程学院，江苏 常州 213164；2. 常州大学江苏省自动控制实验室，江苏 常州 213164）

0 引言

当今社会的迅速发展，产生了大量的环境污染和传统能源的枯竭等问题，在汽车工业，大力发展电动汽车的工作迫在眉睫[1]。动力电池是当前对电动汽车向前发展的一大阻碍。精准地预测动力电池荷电状态（SOC）对保障行车安全，延长动力电池的使用周期，意义重大[2]。放电试验、电流积分、内阻、开路电压、Kalman 滤波、线性模型和神经网络是目前常见的几种估算 SOC 的单一方法[3-4]。放电试验是一种常用于动力电池的维护和标定的方法，但是实验耗时长，无法动态监测。电流积分是一种相对来说可靠简单且动态监测的方法，具有广泛的应用范围，但是需要获得初始 SOC 值，而且忽略了电池内部的一些化学变化，如果长期使用需引用相关修正系数才可减小误差。仅通过内阻法来预测电池 SOC 的精度受到的影响因素较多，所以单一的内阻法一般不应用在生活中。开路电压法是一种应用范围宽泛的电池 SOC 估算方法，且能够有效地提高估算精度，但是实验前的准备时间较长。线性模型方法适用于铅酸电池这种电流较小的电池，相对来说应用范围小。Kalman 滤波法适用于汽车动力电池在工况复杂环境下的 SOC 估算，但是精确度与电池模型的准确度相关，而且动力电池的非线性工况出现的误差较大。神经网络是一种可忽略电池内部变化且估算精确度较高的方法，但是训练的样本数据较为繁琐，花费时间较多，导致其计算量大，对实验硬件要求高。……