刘晓悦，魏宇册

（华北理工大学电气工程学院，河北 唐山 063200）

1 引言

锂电池拥有蓄电量大、无记忆效应、质量轻、自放电率低、放电电压平稳、环境友好等诸多优点，因此成为车用动力电池首选[1]。但锂离子电池也带有明显缺陷，那就是对温度、电流和电压等有着苛刻要求，因而新能源汽车上需要配备电池管理系统（BMS）对电池进行实时监测和管控。SOC估计是BMS最为核心的技术。电池组的SOC是决定车辆接下来行驶里程和行驶性能的关键参数。电池组内部结构十分复杂，而且SOC与相关参数之间表现为高度非线性，导致建模困难，精准预测电池SOC成为亟待解决的一大难题。

以往对电池组SOC的研究基本是采用建立SOC与电池组的电流、电压、内阻等有关参数函数关系的方式，从而获得电池SOC值。放电实验法、电流积分法（AH法）、开路电压法、等效电路法、卡尔曼（Kalman）滤波法是常用的几种SOC 预测方法[2]。放电实验法能够获得不错的SOC预测结果，但实验时间太长。开路电压法能精准预测电池的初始数值，缺陷在于充放电时开路电压只能通过间接方式测量。卡尔曼滤波法预测精度有一定提高，该方法把电池看作一个动力系统，但该方法的准确性过度依赖于所建电池等效模型[3]。

上面提到的预测方法都兼具优缺点，因此有人采取组合的办法来预测电池SOC，提高SOC预测的准确性。文献[4]结合了扩展卡尔曼算法和安时法进行SOC 估算。文献[5]提出了一种融合安时法、开路电压法、卡尔曼滤波法的改进SOC方法，但电池SOC估算结果仍然无法满足电动汽车实际运行中SOC精度要求。……