随着电动汽车产业的迅速发展,实时掌握动力蓄电池所处荷电状态,保证电池长期处于良好工作状态成为当前研究重点。由于锂电池充放电过程中复杂的电化学反应,电池荷电状态(SOC)与其影响因素呈现非线性动态关系,导致难以实时精确估算SOC。本文中,基于扩展卡尔曼滤波(EKF)修正算法对动力蓄电池SOC进行估算,并与传统算法进行比较。结果表明,该算法有效解决了采用安时积分法难以估计SOC初始值和累计误差的问题,大大提高了估算精度,使最大估算误差保持在2.0%以内。 言荷电状态（SOC）的精确估算可以防止电池过充过放，能为续驶里程估计、延长电池寿命等提供有效的支持[1-2]。由于电动汽车在使用过程中的高度非线性使SOC估算成为当前研究的重点和难点，笔者针对SOC估算精度问题，分析其影响因素，建立准确的电池模型，采用EKF修正算法对其进行了仿真实验，并与安时积分法进行比较，本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ 验证了此方法的可行性和准确性。锂电池SOC估算-电动滚圆机滚弧机张家港钢管滚圆机滚弧机液压折弯机1算法原理与设计1.1常用SOC估算方法由于受到充放电倍率、环境温度及电池内阻等诸多因素的影响，电池组的总容量在运行过程中表现出高度非线性和不确定性。目前，常用的SOC估算方法有安时积分法、开路电压法、内阻推理法、神经网络法、卡尔曼滤波法等。其中，安时积分法是目前使用最为广泛的传统估算方法[3]。1.1.1安时积分法安时积分法的基本思想是将电池不同放电电流等效为某特定电流的放电情况，是一种开环预测。该方法操作简单，能在短时间内准确估算SOC，但存在SOC初始值难以准确获取的问题，并且随着时间的累积，电流测量不准，也会造成SOC估算误差越来越大，无法满足SOC实时在线估算的要求。1.1.2扩展卡尔曼滤波算法为解决传统安时积分法存在的弊端，综合考虑充放电倍率、环境温度及电池内阻等因素的影响，采用扩展卡尔曼滤波算法对SOC进行估算。EKF是一种最小方差意义上的最优估计方法，基于反馈控制思想使系统形成闭环，适用于多维随机变量和电流波动较剧烈情况下的估计，在运算时可很快收敛到真值附近。另外，该算法对系统状态空间模型中的非线性函数做泰勒级数展开，仅保留线性项来获得线性模型，适应于具有高度非线性的电池系统。1.2SOC动态观测方程的确定采用卡尔曼滤波算法估算SOC，考虑电动汽车运行环锂电池SOC估算-电动滚圆机滚弧机张家港钢管滚圆机滚弧机液压折弯机本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/