周 斌，梅周盛，陈 林，夏靖武

(汉腾汽车有限公司，江西 上饶 334000)

电池管理系统(BMS)作为电动汽车电池系统的关键控制单元，对电池系统的性能发挥起着至关重要的作用[1]。BMS中的一个核心功能指标SOC又是BMS设计中的重中之重。

目前SOC的估算方法主要有四类[2]，其中安时(Ah)积分法在工程应用中最为广泛，也是最基本的一种算法，但存在两个明显的缺陷：一是初始SOC值无法确定；二是累计误差无法消除[3]。基于电池特征参数法是依据开路电压(OCV)和SOC一对一的关系进行估算，但获取开路电压需要电池长时间静置[4]。基于数据驱动的方法主要包括神经网络、模糊神经等，这一类算法需要获取电池在不同情况下的各种数据，利用大量数据对模型进行训练以获取精准的SOC计算，这类方法依赖于获取电池大量数据，难度大，对芯片数据处理能力要求也高[5-7]。基于模型的估算方法主要有卡尔曼滤波法、粒子滤波法等，在建立精确的电池等效电路模型基础上估算SOC，其估算精度可以达到较好的效果，但对模型精度依赖较大[8-10]。可见使用单一的SOC算法很难获得满意的效果。

本文首先建立锂电池的二阶(以下简称2-RC)等效电路模型并进行参数识别，然后依据扩展卡尔曼滤波(EKF)算法建立SOC估算模型并进行验证和分析，最后基于模糊控制建立EKF、Ah积分、OCV的联合估算模型，实现SOC实时估算，避免单一算法的缺陷。

1 锂离子电池等效电路模型参数识别

1.1 锂离子电池等效电路模型

建立精确的锂离子电池等效电路模型是EKF估算SOC的基础，常用的等效电路模型[11-12]有：Rint、Thevenin、n-RC(n≥2)等。……