孙正 李军

（重庆交通大学机电与车辆工程学院）

2 SOC估算

2.1 SOC的定义

电池荷电状态又称电池剩余电量，在数值上表示为电池的剩余电量与标称容量的比值[10]。其公式定义为：

式中：Qr——剩余电量，Ah；

Cn——标称容量，Ah。

2.1 SOC估算方法

现阶段SOC估算方法主要由传统方法、新型算法和机器学习算法组成。传统算法主要有安时积分法、内阻法、开路电压法和卡尔曼滤波(KF)算法；新型算法是由各类观测器[11-14]、卡尔曼滤波算法和仿生学算法进行改进所提出来的，有扩展卡尔曼滤波(EKF)算法、粒子滤波(PF)算法[15]、滑膜观测器（SMO）算法、H∞算法[16]、高斯回归方法(GPR)[17]；机器学习算法主要有神经网络算法(BP)、支持向量机法[18]。针对各类算法，文章主要介绍现阶段使用较多的扩展卡尔曼滤波算法、神经网络算法、安时积分法和开路电压法：

1)安时积分法。安时积分法是通过电池充放电时，通过一段时间内经过电池电流对时间的积分，得到电池累积充入和放出的电量，进而估算出电池的SOC[19]。如式8所示。

式中：SOC0——SOC初值；

η——库伦效率；

I——充放电电流，A；

t——充放电时间，s；

Cn——标称容量，Ah。

使用安时积分法估算SOC，方法简单，计算量较小。但由于其开路特性，没有反馈环节，随着初值的误差而逐渐产生误差累计，导致其估算精度较差。现阶段单一使用安时积分法进行估算，结果可信度不高，主要是通过改进或者和其他新型算法进行联合估计SOC。文献[20]提出了带安时校正的EKF算法，该方法通过在EKF算法的估算中加入安时校正环节，并根据SOC来调整校正权重因子，提高了估算精度。……