刘新天，彭 泳，何 耀，郑昕昕

(合肥工业大学电气与自动化工程学院，安徽 合肥 230009)

1 引言

锂离子动力电池具有能量大、寿命长等优点，已被广泛应用于电动汽车中。锂离子动力电池作为电动汽车动力源，其荷电状态被用来反映电池的剩余容量状况，是电池管理的基础，对于提高电池的安全可靠性，以及整车能量管理有着重要意义[1-3]。

目前国内外常用的SOC估算方法有安时积分法、开路电压法、神经网络法等等。安时积分法通过对电流的积分来估计SOC，虽然简单易行，但由于电流测量存在误差积累的缺陷，不适用于复杂工况；开路电压法，虽然方便，但该方法需静置一段时间才能估计SOC值，不适用于实时在线估计。神经网络法适用于实时在线估计，但一般神经网络模型的计算量较大，并且误差受训练数据和训练方法的影响[4]。卡尔曼滤波算法估计电池SOC是目前国内外应用较为广泛的估计方法，但该算法依赖于电池模型，对模型精度要求高，且对电池参数敏感。文献[5-7]别提出了Rint模型、RC模型、PNGV模型和组合模型。文献[8-12]在上述模型基础上提出了各种状态空间模型来估计电池SOC。文献[13]提出了一种改进型的Thevenin模型来估计锂电池SOC。但该模型忽略了温度对模型精度的影响。文献[14]提出了一种改进的PNGV模型来估计锂电池SOC，文中考虑了噪声对估计锂电池SOC的影响，但未考虑温度对估计锂电池SOC的影响。

在已有的一些SOC估计方法中，针对电池模型很少考虑到温度对锂电池特性参数的影响。……