赵靖英 胡 劲 张雪辉 张文煜

基于锂电池模型和分数阶理论的SOC-SOH联合估计

赵靖英1胡 劲1张雪辉1张文煜2

（1. 省部共建电工装备可靠性与智能化国家重点实验室（河北工业大学） 天津 300130 2. 国网冀北张家口风光储输新能源有限公司 张家口 075000）

基于锂电池荷电状态（SOC）和健康状态（SOH）的耦合关系，设计了SOC-SOH联合估计系统。首先，构建锂电池等效电路模型和自适应扩展卡尔曼滤波（AEKF）算法，进行锂电池SOC估计；其次，建立锂电池分数阶模型，设计模糊控制器辨识分数阶模型参数，基于分数阶模型参数和电池充电工况确立健康因子，引入麻雀搜索算法（SSA）改进反向传播神经网络（BPNN），进行锂电池SOH估计；然后，集成SOC与SOH估计方法，设计联合估计系统；最后，设计锂电池老化实验、动态应力测试（DST）和US06动态实验方案，对比分析不同工况下不同算法的SOC-SOH联合估计效果。结果表明，基于提出的SOC-SOH联合估计方法，估计误差小于1%，具有良好的估计特性。

锂电池 分数阶模型 健康因子 荷电状态 健康状态

0 引言

对于电池管理系统（Battery Management System, BMS），锂电池荷电状态（State of Charge, SOC）和健康状态（State of Health, SOH）是体现系统运行特性的关键状态变量[1]。SOC定义为电池当前电荷量与最大容量之比[2]，反映了电池当前电荷量的存储状态；SOH通常由当前最大容量或内阻来定义[3]，反映电池全生命周期尺度下的老化状态。

对锂电池SOC的准确估计，有助于提高电池能量利用率，防止过充电和过放电。工程实际中普遍采用安时积分法进行锂电池SOC估计，但此方法无法克服累计误差[4]。……