电动汽车锂离子电池荷电状态估算方法研究综述

张照娓 郭天滋 高明裕* 何志伟 董哲康

①(杭州电子科技大学电子信息学院 杭州 310018)

②(浙江省装备电子研究重点实验室 杭州 310018)

③(香港理工大学电机工程系 香港 999077)

1 引言

随着全球变暖、各种极端气候的出现，柴油、汽油车造成的温室气体排放问题越来越被重视，为了减少城市污染，电动汽车和混合动力汽车的发展受到了广泛关注。为了确保电动汽车的运行安全性、耐久性、可靠性和效率，执行必要的管理和诊断功能，电池管理系统(Battery Management System, BMS)被广泛应用于电动汽车中[1]。荷电状态(State of Charge, SoC)表示电池的剩余可用电量，是BMS需要监测的重要的状态之一，它提供有关电池中剩余的可用能量及其潜在充电和放电策略的可靠性信息[2]。

传统的SoC估算算法有放电测试法、阻抗谱法、安时积分法、开路电压法等，但这些方法估计误差较大且无法进行实时估计。因此近年来基于模型的滤波估计方法和基于数据驱动的方法得到了广泛的关注与研究。基于模型的滤波估计方法是对电池建模，利用电池模型来模拟电池行为。随着计算机技术的发展和大数据时代的到来，基于数据的人工智能算法得到了迅速的发展[3]，它不需要对电池进行建模，依靠大量的数据训练模型，以建立电池可测量因素与SoC的对应关系。

为了推动锂离子电池SoC估计算法的发展，近年来，一些学者对目前常用的SoC估算算法进行了分析与总结。文献[4]对电池的SoC估计方法进行了综述，主要介绍了3种电池模型以及基于模型的估算方法，但是基于数据驱动的方法并没有得到具体的介绍。……