动力电池SOC和SOH估计动力电池SOC和SOH估计是动力电池管理系统的核心功能之一,精确的SOC和SOH估计可以保障动力电池系统安全可靠地工作，优化动力电池系统，并为电动汽车的能量管理和安全管理等提供依据。然而，动力电池具有可测参数量有限且特性耦合、即用即衰、强时变、非线性等特征，车载环境应用又面临串并联成组非均一复杂系统、全工况（宽倍率充放电）、全气候（-30~45°C温度范围）应用需求，高精度、强鲁棒性的动力电池SOC和SOH估计极具挑战,一直是行业技术攻关的难点和国际学术界硏究的前沿热点。本章将系统阐述动力电池SOC和SOH估计的基础理论和应用,并讨论静态容量已知和动态容量在线估计条件下动力电池SOC估计性能,以及SOH与SOC协同估计的必要性,并提供以便BMS现实应用的详细算法流程。4.1SOC估计新能源汽车动力电池的SOC相当于普通燃油汽车的油表,SOC作为能量管理的重要决策因素之一,对于优化整车能量管理、提高动力电池容量和能量利用率、防止动力安时积分基于模型0C定义卡尔艷类滤滑模观测电池过充电和过放电、保障动力电池在使用过程中的安全性和长寿命等起着重要作用。本节将详细阐述动力电池静态容量已知情况下的SOC估计方法。4.1.1SOC估计分类动力电池结构复杂，电化学反应过程和反应阶段复杂且难以确定，而且车载工况恶劣、多变，作为隐性状态量的SOC精确值难以得到，常见的动力电池SOC估计方法大致可分为四类：基于表征参数的方法、安时积分法、基于模型的方法以及基于数据驱动的方法，如图4-1所示。估计方法图4-1SOC估计方法的分类1.基于表征参数的方法该方法主要分为两步：①建立动力电池表征参数与SOC的离线关系。基于表征参数开路电压基干数据服动亠粒了滤波X乩滤波J②实时计算动力电池表征参数值，并以之标定动力电池SOC。该方法的应用需满足两个前提：所建立表征参数与SOC的离线关系应该相对稳定，所选表征参数应该是易获取的。可选表征参数包括当前剩余容量、阻抗谱、OCV等。当前剩余容量可通过放电实验法得到，该方法被认为是确定动力电池SOC最为直接的方法。但是新能源汽车在运行中难以进行长时间的恒流放电来确定剩余容量，使得该方法仅适用于实验室等特定环境。基于阻抗谱的方法则需要借助电化学工作站来测试动力电池不同SOC值的阻抗，并制定SOC和参数的映射关系，进而采用查表的方式完成SOC的标定。相对稳定的OCV-SOC关系常被工业界用来标定动力电池SOC，大量的BMS产品也使用这一关系来标定动力电池初始SOC，但OCV的准确直接测量要求动力电池静置足够长的时间，因而在实际中往往需要与OCV在线辨识方法结合使用。2•安时积分法该方法又称为库仑计数法,即利用SOC定义估计动力电池SOC:乃山(丁)d丁用cJmax式中,z(t)表示t时刻下的动力电池SOC估计值；z(t°)表示动力电池SOC初始值；①表示动力电池充放电库仑效率，其值通过实验确定，对于锂离子动力电池而言，放电效率通常视为1,充电效率为0.98~1(充电电流3C以内)；iL(T)为T时刻下动力电池充放电电流;C表示当前Lmax条件下动力电池的最大可用容量。作为目前动力电池SOC计算的核心方法,安时积分法经典易用,应用最为广泛。但它主要存在三个缺陷：①动力电池初始SOC的精确值难以获得。②该方法对于电流传感器的精度要求很高。但在实际应用中,电流传感器的精度经常受噪声、温度漂移及其他未知随机扰动的影响。在积分计算中,这些随机量容易造成累加误差,控制器的四舍五入计算也会产生一定的影响。③动力电池性能衰退造成其静态容量的退化，从而影响SOC的计算精度。以上三个因素相互影响，进一步降低了该方法的可靠性。为避免以上因素的制约并提高计算精度，需要复杂烦琐的定期标定。为此，该方法经常与其他方法综合使用。例如，使用OCV确定动力电池初始SOC，使用安时积分法计算后续的SOC轨迹。3.基于模型的估计方法该方法利用模型和状态估计算法完成动力电池的SOC估计，因此该方法首先需要建立可靠的性能模型，本章主要以等效电路模型为例介绍基于模型的动力电池SOC估计方法。基于建立的动力电池等效电路模型及其状态方程，应用滤波算法和观测器，搭建基于模型的SOC估计算法框架，具体实施流程如图4-2所示，包...
