杨 淇，孙桓五，2，张凤博

（1.太原理工大学机械与运载工程学院，山西 太原030024；2.煤炭资源开采利用与装备工程国家级实验教学示范中心，山西 太原030024）

1 引言

锂离子动力电池以其比能量高、比功率高、自放电率低、无记忆效应以及环境友好等突出优点被广泛应用于电动汽车领域［1］。准确的荷电状态估算对续航里程估算、延长电池的使用寿命、降低成本、提高其可靠性具有重要意义。研究精度高、时效性好、自适应修正能力强的SOC估计方法对提高BMS的性能具有重要价值。

目前国内外广泛应用于BMS的锂离子动力电池SOC估计方法主要有三大类：安时计量法、基于电池表征参数测量的方法、基于电池模型和观测器理论的方法等［2］。其中安时计量法对SOC初始值有很高的要求，并且会忽略估算累积误差的影响［3］；基于电池表征参数测量的方法如开路电压法等的最主要问题在于其必须在电池稳定状态下才能估计，不适合应用于运行中的车辆［4，5］；基于电池模型与观测器理论的方法中最常用的有扩展卡尔曼滤波（EKF）、滑模观测法、无迹卡尔曼滤波（UKF）：EKF的线性化过程容易使估算过程中产生因为方差矩阵的非正定性导致估计值不收敛的问题［6，7］；滑模观测法可以减小非线性模型对状态估算的造成的影响，但是频繁切换控制状态容易导致系统发生抖振［8］；UKF改用统计线性化的方法，利用无迹变换求取均值和协方差，可以有效提高对非线性分布统计量的估算精度，但是这很大程度上取决于电池模型的精度以及系统噪声的预定变量，如平均值、相关性和协方差矩阵等。……