海 涛， 范 恒， 陆代强， 黄日光，2， 陈永鉴， 隆茂田

（1.广西大学电气工程学院，南宁530004；2.南宁学院，南宁530200）

0 引 言

电池荷电状态（State of Charge，SoC）与电池健康状态（State of Health，SoH）是用来描述电池性能及状态的两个关键参变量，对二者进行准确估算可延长电池使用寿命。目前国内对SoC或SoH进行单一估计方法研究较多［1-2］，二者状态存在紧密联系，如单一估计SoC时，若SoH已产生变化，会造成估计误差，不准确的SoC难以对SoH进行有效修正。若对二者状态进行联合估计，估计过程中让二者互相循环修正，修正结束后同时输出估计值，有利于提高状态估算准确度［3］。

对电池双状态的联合估算已有一些探讨，沈佳妮等［4］分析电池SoC-SoH的各类模型的估算方法，指出电池状态估计依赖于可靠的电池模型及算法，且模型算法均应在保证估算精度的同时进行简化；戴海峰等［5］尝试采用双卡尔曼滤波估计电池SoC与SoH，取得良好效果，证明了双卡尔曼滤波联合估计SoC-SoH的有效性；郭向伟等［6］估算SoH反求可用容量，将其代入安时积分法矫正荷电状态估计值，减小估算累积误差；汪秋婷等［7-8］基于电化学-电路等效模型，前后提出滑动窗自适应滤波算法及Dual-UKF算法以实现SoC-SoH的联合估计；郑贵林等［9］通过检测蓄电池内阻及端电压，设计自校准的智能检测系统，SoC-SoH估计准确度分别可达91.9%、96.3%；程泽等［10］改进传统平方根无迹卡尔曼滤波，加入自适应思想，减少了联合估计误差；印学浩等［11］考虑SoH退化对SoC的影响，提出了基于无迹粒子滤波的多时间尺度估计方法，并取得良好估计效果。……