王義軍，左 雪

（現(xiàn)代電力系統(tǒng)仿真控制與綠色電能新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室（東北電力大學(xué)），吉林省吉林市 132012）

0 引言

隨著“電能替代”與“促進(jìn)大規(guī)模新能源消納”等國家戰(zhàn)略進(jìn)程的逐步加快，鋰離子電池作為高效的電能存儲(chǔ)裝置，在多場景中得到了廣泛應(yīng)用［1-2］。據(jù)起點(diǎn)研究院數(shù)據(jù)統(tǒng)計(jì)分析，2020 年世界各國鋰離子電池的總出貨量為259.5 GW·h，同比增長34%。預(yù)計(jì)到2025 年，鋰離子電池的全球出貨量將達(dá)到1.1 TW·h［3］。在鋰離子電池全球市場規(guī)模日益擴(kuò)大的背景下，荷電狀態(tài)（state of charge，SOC）估算等相關(guān)配套技術(shù)研究也需要逐步完善，以切實(shí)保障鋰離子電池在多場景下的推廣應(yīng)用。

SOC 估算作為電池管理系統(tǒng)（battery management system，BMS）核心功能之一，在多場景中發(fā)揮著不可忽視的作用。例如，在電動(dòng)汽車方面，SOC 估算結(jié)果的精確性對(duì)防止電動(dòng)汽車過充虧電、延長電池循環(huán)壽命具有重要保障作用，甚至在一定程度上影響著電動(dòng)汽車的產(chǎn)業(yè)化發(fā)展進(jìn)程［4-5］；在消費(fèi)電子產(chǎn)品方面，準(zhǔn)確估計(jì)鋰離子電池SOC 有利于使用者靈活管理電子產(chǎn)品電池剩余可用時(shí)間，提升消費(fèi)電子產(chǎn)品的使用舒適性與便捷性水平［6-7］；在儲(chǔ)能電站方面，SOC 作為鋰離子電池儲(chǔ)能系統(tǒng)安全防護(hù)的重要參考指標(biāo)之一，在維持系統(tǒng)穩(wěn)定運(yùn)行、保障人員人身安全等方面具有顯著作用［8］。若未對(duì)鋰離子電池儲(chǔ)能系統(tǒng)SOC 進(jìn)行準(zhǔn)確估計(jì)，則可能會(huì)導(dǎo)致儲(chǔ)能電池過熱、燃燒等事故產(chǎn)生，最終危及儲(chǔ)能電站甚至電力系統(tǒng)的安全穩(wěn)定運(yùn)行等。因此，鋰離子電池SOC 估算方法研究逐漸成為電池領(lǐng)域的重要研究課題。

如何精確估計(jì)鋰離子電池SOC，進(jìn)而保障多場景下各類設(shè)備經(jīng)濟(jì)、便捷、安全、穩(wěn)定運(yùn)行，已成為廣大專家學(xué)者所關(guān)注的焦點(diǎn)。然而，目前鋰離子電池SOC 估算方法主要針對(duì)電動(dòng)汽車［9-11］、消費(fèi)電子產(chǎn)品［12］和電力系統(tǒng)儲(chǔ)能［13］，在通信基站、數(shù)據(jù)中心不間斷電源（uninterruptible power supply，UPS）以及航空航天與軍事領(lǐng)域應(yīng)用較少，同時(shí)，各類方法相應(yīng)的弊端有待改進(jìn)。因此，亟須完善不同場景下的鋰離子電池SOC 估算方法。

首先，本文分析了SOC 變化機(jī)理，梳理了相關(guān)影響因素；其次，歸納分析了國內(nèi)外現(xiàn)有的鋰離子電池SOC 估算方法，并按照其估算原理進(jìn)行分類闡述與優(yōu)缺點(diǎn)比較；然后，從實(shí)際應(yīng)用場景出發(fā)，描述了鋰離子電池在各類場景中的工作條件及工作要求，同時(shí)詳細(xì)介紹了各類場景下的適用方法及其相應(yīng)的完善方向；最后，對(duì)多場景下鋰離子電池SOC 估算方法的進(jìn)一步研究方向進(jìn)行了展望。

1 SOC 基本定義及其影響因素分析

1.1 SOC

合理定義電池SOC 是精確估算鋰離子電池SOC 的首要條件。SOC 有多種不同的定義方式，其中，美國先進(jìn)電池聯(lián)合會(huì)定義SOC 的方法因其可靠、準(zhǔn)確被廣泛采用［14］。該方法的計(jì)算公式如下:

式中:S為電池的SOC 值；Qm為電池以恒定電流I進(jìn)行放電時(shí)的最大容量；Q(In)為t時(shí)間內(nèi)標(biāo)準(zhǔn)放電電流In下所釋放的電池電量。

1.2 SOC 影響因素

在實(shí)際使用過程中，鋰離子電池SOC 受充放電電流大小、環(huán)境溫度、自放電等因素的影響，很難直接測量。因此，要實(shí)現(xiàn)SOC 高精度估算的目標(biāo)，需要對(duì)各種影響因素進(jìn)行綜合分析。本文通過綜合相關(guān)資料信息，將影響鋰離子電池SOC 的主要因素分為以下幾點(diǎn)。

1.2.1 充放電電流大小

電池充放電電流的大小在一定程度上會(huì)影響電池的容量［15］。當(dāng)電池處于充電過程時(shí)，電池的充電效率與充電電流的大小成反比，即電池充入的電量與其實(shí)際吸收電量之差會(huì)隨著充電電流倍率的增大而增大；當(dāng)電池處于放電過程時(shí)，電池的放電效率同樣會(huì)隨著放電電流的增大而逐漸降低。

1.2.2 環(huán)境溫度

鋰離子電池的工作狀態(tài)受溫度影響較大，當(dāng)環(huán)境溫度變化時(shí)，其使用特性及可用容量也隨之發(fā)生改變［16］。當(dāng)電池處于低溫環(huán)境時(shí)，電池放電電壓將很快到達(dá)截止電壓，對(duì)外表征容量??；當(dāng)電池周邊環(huán)境溫度升高時(shí)，電池活性增強(qiáng)，電池的使用特性會(huì)逐漸提高，可用容量也隨之增多。但在對(duì)鎳氫（Ni/Mh）電池進(jìn)行溫度測試實(shí)驗(yàn)后發(fā)現(xiàn)，當(dāng)電池溫度過高時(shí)其充電效率將明顯下降。因此，需要根據(jù)電池實(shí)際應(yīng)用情況來對(duì)溫度進(jìn)行修正。

1.2.3 自放電

電池的固有特性之一就是自放電現(xiàn)象，這種現(xiàn)象不易察覺，通常由實(shí)驗(yàn)測得。當(dāng)電池充滿電后處于長時(shí)間擱置狀態(tài)時(shí)，電池在此期間會(huì)自行進(jìn)行放電，造成電量損失。因此，在計(jì)算SOC 時(shí)應(yīng)考慮此電池的實(shí)際擱置情況，進(jìn)而對(duì)自放電進(jìn)行修正。此外，電池內(nèi)阻、電池初始SOC、電池電壓等都會(huì)對(duì)電池的SOC 造成影響。因此，在估算鋰離子電池SOC 時(shí)，應(yīng)綜合多元要素分析，以實(shí)現(xiàn)電池SOC 的準(zhǔn)確估算。

2 鋰離子電池SOC 估算方法

本文通過資料調(diào)研將國內(nèi)外鋰離子電池SOC估算方法歸納為4 類［17-18］:基于實(shí)驗(yàn)的SOC 估算方法［19］、基于模型的SOC 估算方法［20］、基于數(shù)據(jù)驅(qū)動(dòng)的SOC 估算方法［21］，以及基于融合方法的SOC 估算方法［22］，具體分類情況如圖1 所示。其中，第1 類方法主要是通過實(shí)驗(yàn)測量電池表征參數(shù)值來進(jìn)行SOC 的精確估算；第2 類方法主要是通過設(shè)計(jì)等效電路模型等相關(guān)電池模型來實(shí)現(xiàn)電池SOC 的估算；第3 類方法則是通過大量數(shù)據(jù)擬合并借助經(jīng)驗(yàn)方法以及數(shù)學(xué)模型來估算電池SOC；最后一類方法是目前該領(lǐng)域的研究熱點(diǎn)，其主要形式是多類方法取長補(bǔ)短、融會(huì)貫通，以達(dá)到提升SOC 估算精度及估算效率的目的。下文將對(duì)上述4 類方法的工作原理與優(yōu)劣情況進(jìn)行詳細(xì)分析。

圖1 鋰離子電池SOC 估算方法分類Fig.1 Classification of SOC estimation methods for lithium-ion batteries

2.1 基于實(shí)驗(yàn)的鋰離子電池SOC 估算方法

常見的基于實(shí)驗(yàn)的鋰離子電池SOC 估算方法有安時(shí)積分法［23］、開路電壓法［24］、內(nèi)阻估計(jì)法［25］、庫侖計(jì)法［26］及其他方法［27］。下文將逐一介紹這些方法的原理與特征。

2.1.1 安時(shí)積分法

安時(shí)積分法是鋰離子電池SOC 估算過程中較為常見的方法之一。該方法未考慮電池內(nèi)部作用機(jī)理，主要通過對(duì)電流進(jìn)行時(shí)域積分來估算電池SOC，具有操作簡單、計(jì)算成本低等優(yōu)點(diǎn)。然而，電池初始SOC 估算的不準(zhǔn)確、相關(guān)參數(shù)的取值不合適等因素都會(huì)影響安時(shí)積分法的估算精度［23］。文獻(xiàn)［28］通過對(duì)磷酸鐵鋰動(dòng)力電池進(jìn)行一系列的測試試驗(yàn)，揭示了各因素與SOC 估算精度之間的影響作用機(jī)理，并表明初始SOC 對(duì)于安時(shí)積分法的估算精度影響最為顯著。此外，文獻(xiàn)［29］指出安時(shí)積分法常采用開環(huán)的工作模式，若在仿真過程中未對(duì)測試電流進(jìn)行及時(shí)修正，則會(huì)導(dǎo)致較大的測量累積誤差，從而降低鋰離子電池SOC 估算精度。同時(shí)，該文獻(xiàn)也表明在不同溫度、充放電倍率等情況下，使用傳統(tǒng)安時(shí)積分法進(jìn)行SOC 估算時(shí)的誤差較大，大致在10%范圍內(nèi)波動(dòng)。引入?yún)?shù)修正是解決安時(shí)積分法受參數(shù)取值影響的重要措施。文獻(xiàn)［30］在開環(huán)工作模式中添加了電池電壓檢測反饋與參數(shù)修正模塊，可實(shí)時(shí)校正估計(jì)誤差，但該方法增加了鋰離子電池SOC 估算的復(fù)雜度，實(shí)際示范應(yīng)用較為困難。

2.1.2 開路電壓法

通過獲取開路電壓-SOC 曲線圖來估算鋰離子電池SOC 的方法，即為開路電壓法［24］。開路電壓法操作簡單，只需測量開路電壓值對(duì)照特性曲線圖即可獲得鋰離子電池的SOC 圖。文獻(xiàn)［31］通過鋰離子電池充放電實(shí)驗(yàn)來探究開路電壓法的工作原理。結(jié)果顯示，當(dāng)電池內(nèi)部電化學(xué)體系達(dá)到平衡狀態(tài)時(shí)，電池開路電壓能夠近似表征實(shí)際SOC 情況，即驗(yàn)證了該方法的合理性。但由于該方法需要電池保持長時(shí)間靜置狀態(tài)，這使得其應(yīng)用場景具有一定的局限性。另外，由于電池充放電過程中存在遲滯效應(yīng)，進(jìn)而導(dǎo)致在SOC 估算過程中可能會(huì)產(chǎn)生較大誤差。針對(duì)上述問題，文獻(xiàn)［32］提出了改進(jìn)的開路電壓法，仿真結(jié)果表明該方法的估算誤差僅為5%左右，取得了良好的鋰離子電池SOC 估算效果。但該方法僅適用于電池電壓變化較小的場景，因此，開路電壓法一般較少用于實(shí)際鋰離子電池SOC 估算。

2.1.3 內(nèi)阻估計(jì)法

內(nèi)阻估計(jì)法與開路電壓法具有一定的相似性，其主要通過內(nèi)阻-SOC 曲線進(jìn)行SOC 預(yù)測。內(nèi)阻估計(jì)法的優(yōu)點(diǎn)是能夠迅速、直接地反映電池及其材料的內(nèi)部特性，并且可用相關(guān)參量來預(yù)測鋰離子電池SOC［25］。但由于阻抗對(duì)環(huán)境溫度變化較為敏感，當(dāng)環(huán)境溫度變化劇烈時(shí)，僅使用內(nèi)阻估計(jì)法難以精確計(jì)算SOC 值。針對(duì)上述問題，文獻(xiàn)［19］提出一種基于電池實(shí)驗(yàn)和數(shù)據(jù)處理的阻抗估計(jì)法，與現(xiàn)有方法相比，該方法估算時(shí)間較短、估計(jì)精度高，具有一定的普適性。

2.1.4 庫侖計(jì)法

通過測量流入或流出電池內(nèi)部的凈電荷量來估算電池剩余容量，這種方法被稱為庫侖計(jì)法。當(dāng)使用此方法進(jìn)行估算時(shí)，電池的初始容量可以預(yù)置，也可在后續(xù)充電周期中通過學(xué)習(xí)得到，故該方法使用起來較為便捷，但庫侖計(jì)法也存在許多需要完善的地方。文獻(xiàn)［33］指出，雖然該方法通過補(bǔ)償電池自放電、溫度等因素得到了更為精確的剩余電量估算結(jié)果，但其一般需要使用昂貴的檢流電阻等精密器件，造成該方法的經(jīng)濟(jì)性不高。文獻(xiàn)［34］同樣指出，該方法對(duì)檢流電阻精度要求比較苛刻，若未選擇合適精度的檢流電阻，則會(huì)造成估算結(jié)果誤差較大。

2.1.5 其他方法

電池SOC 與電解液密度之間也存在一定的關(guān)聯(lián)性，可以通過測量電解液密度進(jìn)而間接估計(jì)電池SOC，這種方法被稱為電解液密度法［27］。對(duì)于新出廠電池而言，其SOC 與電解液密度之間有較好的對(duì)應(yīng)關(guān)系，但隨著電池使用時(shí)間的不斷累積，這種關(guān)系將逐漸弱化，導(dǎo)致SOC 估算結(jié)果產(chǎn)生一定偏差。另外，電壓測試法也是常用的SOC 估算方法［35］。該方法主要通過對(duì)電池路端電壓進(jìn)行測試統(tǒng)計(jì)，再根據(jù)電壓變化大致計(jì)算SOC，具有操作簡單、估算效率高等優(yōu)點(diǎn)。但由于電池路端電壓與SOC 之間的關(guān)系曲線存在“平臺(tái)區(qū)”，使得該方法存在一定的局限性。特別是當(dāng)電池剩余電量低于50%時(shí)，該方法測量結(jié)果的準(zhǔn)確性將顯著下降。

2.2 基于模型的鋰離子電池SOC 估算方法

2.2.1 基于等效電路模型的卡爾曼濾波及其衍生方法

鋰離子電池模型主要分為電化學(xué)模型和等效電路模型兩類［36］。電化學(xué)模型［37-39］雖能較好地表征電池內(nèi)外部特性，但其辨識(shí)較為復(fù)雜。等效電路模型結(jié)構(gòu)清晰，參數(shù)易于辨識(shí)，便于在BMS 中應(yīng)用［40］。等效電路模型主要分為整數(shù)階和分?jǐn)?shù)階兩大類，常用的Rint 模型、Thevenin 模型等整數(shù)階等效電路模型在模擬鋰電池性能特性時(shí)容易出現(xiàn)偏差，因此，需要建立基于分?jǐn)?shù)階電容的分?jǐn)?shù)階等效電路模型以更準(zhǔn)確地模擬鋰電池的真實(shí)動(dòng)態(tài)特性。分?jǐn)?shù)階電容的概念源于分?jǐn)?shù)微積分，即通過采用恒相位元件（constant phase element，CPE）來替代整數(shù)階電容得以實(shí)現(xiàn)［41］。事實(shí)上，整數(shù)階電容在自然界中并不存在，只是目前采用電容的分?jǐn)?shù)階數(shù)接近于1。因此，整數(shù)階電容在仿真試驗(yàn)過程中會(huì)存在一定的誤差，可以通過建立分?jǐn)?shù)階電容模型來減少這些誤差，以最大化提升模型精度。

然而，在實(shí)際應(yīng)用過程中，電池模型參數(shù)會(huì)隨電池容量、老化情況等因素發(fā)生改變。因此，為了克服上述因素所帶來的影響，還需對(duì)等效電路模型中的參數(shù)進(jìn)行辨識(shí)。參數(shù)辨識(shí)方法包括離線辨識(shí)與在線辨識(shí)兩大類，其中離線辨識(shí)方法受電池老化影響較大，而在線辨識(shí)方法能夠綜合考慮多類影響因素，有效提升SOC 估算的可靠程度。在線辨識(shí)方法包括卡爾曼濾波（Kalman filter，KF）法、遞推最小二乘法等。KF 法能夠利用輸出數(shù)據(jù)不斷對(duì)系統(tǒng)狀態(tài)變量進(jìn)行實(shí)時(shí)修正，實(shí)現(xiàn)待測量的最優(yōu)估計(jì)［42］。因此，通常采用此類方法進(jìn)行等效電路模型參數(shù)的在線辨識(shí)，以此來提升等效電路模型的準(zhǔn)確性。但由于估算過程中系統(tǒng)噪聲的不確定性較大，可能會(huì)產(chǎn)生一定的估計(jì)偏差。針對(duì)上述問題，專家學(xué)者們提出了多種KF 擴(kuò)展算法，并取得了良好的效果。文獻(xiàn)［43］提出一種基于無跡卡爾曼濾波（unscented Kalman filter，UKF）的鋰離子電池SOC 估算方法，該方法能夠根據(jù)新信息對(duì)噪聲進(jìn)行不斷修正，并采用動(dòng)態(tài)噪聲替換原有靜態(tài)噪聲模型，提升了該方法在噪聲變化時(shí)的魯棒性及估算精度。

KF 法的擴(kuò)展形式還包括擴(kuò)展卡爾曼濾波（extended Kalman filter，EKF）法［44］、自適應(yīng)擴(kuò)展卡爾曼濾波（adaptive extended Kalman filter，AEKF）法［45］以及容積卡爾曼濾波（cubature Kalman filter，CKF）法［46］等。在KF 的多種擴(kuò)展算法中，應(yīng)用較廣的是EKF 法。該方法適用于各類電池模型，特別是復(fù)雜非線性模型［47］。文獻(xiàn)［48］在建立等效電路模型的基礎(chǔ)上，設(shè)計(jì)了一種將EKF 與開路電壓-SOC特性曲線相結(jié)合的SOC 估算方法。仿真結(jié)果表明，該方法的最大誤差接近于2%，特別適合SOC 實(shí)時(shí)在線估算。但該類方法復(fù)雜度高、估算耗時(shí)較長，需在日后研究中做出相應(yīng)改進(jìn)與完善，以提升該類方法的估算效率。

2.2.2 其他方法

粒子濾波（particle filter，PF）法是繼KF 法之后應(yīng)用于鋰離子電池SOC 估算的新方法。文獻(xiàn)［49］將PF 法應(yīng)用于磷酸鐵鋰離子電池的SOC 估算過程中，結(jié)果顯示其能較好地描述非線性系統(tǒng)的外部特性，顯著提升SOC 的預(yù)測精度，但前提條件是擁有參數(shù)設(shè)置較好的綜合性電池模型。文獻(xiàn)［50］采用無跡粒子濾波（unscented particle filter，UPF）法對(duì)鋰離子電池SOC 進(jìn)行估計(jì)，結(jié)果表明該方法能夠顯著提升鋰離子電池SOC 估算的精度，其估算誤差僅為3.17%。然而，上述方法對(duì)硬件設(shè)備的計(jì)算能力要求較為嚴(yán)格，為了降低成本同時(shí)保障SOC 估算效率，需在今后研究中進(jìn)一步降低算法的復(fù)雜度。

H∞濾波算法是以EKF 法為基礎(chǔ)進(jìn)行改進(jìn)的一種算法，具有較為豐富的應(yīng)用場景，特別適用于存在噪聲擾動(dòng)系統(tǒng)的鋰離子電池SOC 估算問題［51］。文獻(xiàn)［52］在H∞濾波理論框架內(nèi)，提出了一種適用于非線性時(shí)變電池的SOC 估算策略，該策略的估算流程如圖2 所示。案例結(jié)果表明，與EKF 法和UKF 法相比，該方法的估算誤差更小，能夠?yàn)殇囯x子電池狀態(tài)估計(jì)提供一種新思路。文獻(xiàn)［53］設(shè)計(jì)了一種基于H∞濾波算法的噪聲抑制策略，同時(shí)提出了一種H∞與KF 法的聯(lián)合估計(jì)算法，實(shí)現(xiàn)了對(duì)鋰離子電池SOC 的精確估計(jì)。

圖2 基于H∞濾波理論的鋰離子電池SOC估算流程圖Fig.2 Flow chart of SOC estimation for lithium-ion batteries based on H∞filtering theory

滑模觀測器方法與PF 法估計(jì)精度相近，具有魯棒性強(qiáng)、對(duì)電池模型結(jié)構(gòu)和參數(shù)擾動(dòng)的敏感性不高的顯著特點(diǎn)［54］。文獻(xiàn)［55］提出了一種基于改進(jìn)滑模觀測器的鋰離子電池SOC 估算方法，該方法繼承了滑模觀測器良好的魯棒性，并且剔除了KF 法對(duì)模型精度要求高的弊端。但目前滑模觀測器存在過于依賴濾波器等問題，極大地影響了該方法的實(shí)用價(jià)值。

2.3 基于數(shù)據(jù)驅(qū)動(dòng)的鋰離子電池SOC 估算方法

基于數(shù)據(jù)驅(qū)動(dòng)的鋰離子電池SOC 估算方法僅依靠系統(tǒng)輸入與輸出間的映射關(guān)系即可建立SOC預(yù)測模型。相較于KF 及其衍生方法而言，其極大地簡化了電池建模過程［56］。

2.3.1 神經(jīng)網(wǎng)絡(luò)及其衍生方法

基于神經(jīng)網(wǎng)絡(luò)的SOC 估算方法是以電池電流、電壓等參數(shù)作為輸入，以SOC 作為輸出結(jié)果，通過樣本數(shù)據(jù)對(duì)系統(tǒng)進(jìn)行訓(xùn)練，以此來尋找各參數(shù)之間的映射關(guān)系，具有較強(qiáng)的非線性處理能力。其估算流程如圖3 所示［57］。

圖3 基于神經(jīng)網(wǎng)絡(luò)算法的鋰離子電池SOC 估算流程圖Fig.3 Flow chart of SOC estimation for lithium-ion batteries based on neural network algorithm

該類方法雖能避免建立高精度電池模型所帶來的時(shí)間問題，但樣本選擇對(duì)其估算精度影響較大。為了獲得精確的SOC 估算結(jié)果，神經(jīng)網(wǎng)絡(luò)方法的改進(jìn)與完善逐漸成為研究學(xué)者所關(guān)注的焦點(diǎn)。根據(jù)網(wǎng)絡(luò)復(fù)雜程度，可將其衍生算法劃分為傳統(tǒng)神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)兩大體系［57］。反向傳播（back propagation，BP）神經(jīng)網(wǎng)絡(luò)是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的典型代表，其網(wǎng)絡(luò)結(jié)構(gòu)簡單、對(duì)硬件性能要求較低，具有良好的SOC 估算效果。文獻(xiàn)［58］提出了一種基于BP 神經(jīng)網(wǎng)絡(luò)的鋰離子電池SOC 估算方法，旨在通過放電電流與電池端電壓來估計(jì)鋰離子電池的SOC，該方法學(xué)習(xí)能力與工程實(shí)踐性均較強(qiáng)，但估計(jì)精度有待提高。針對(duì)該方法估計(jì)精度一般等問題，文獻(xiàn)［59］提出了一種基于改進(jìn)型遺傳算法的BP神經(jīng)網(wǎng)絡(luò)方法，實(shí)驗(yàn)結(jié)果表明此方法有效提高了SOC 估算精度，能夠保證其估算誤差基本上保持在3%左右，同時(shí)具備良好的收斂性。

作為深度神經(jīng)網(wǎng)絡(luò)的典型代表，深度循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）具有結(jié)構(gòu)簡單、參數(shù)可調(diào)性強(qiáng)等優(yōu)點(diǎn)，在鋰離子電池SOC 估算領(lǐng)域得到了廣泛應(yīng)用。然而，該方法對(duì)初始權(quán)重和參數(shù)閾值較為敏感，容易陷入局部最優(yōu)［60］。利用遺傳算法、人工魚群算法等優(yōu)化算法改善ANN 的網(wǎng)絡(luò)結(jié)構(gòu)是解決此問題的有效途徑。文獻(xiàn)［61］在神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，結(jié)合傳統(tǒng)遺傳算法，增強(qiáng)了該模型的全局尋優(yōu)能力。仿真結(jié)果表明，該方法延展性強(qiáng)、迭代時(shí)間短且SOC 估算精度高，具有較好的示范應(yīng)用前景。

長短期記憶（long short-term memory，LSTM）網(wǎng)絡(luò)也是深度神經(jīng)網(wǎng)絡(luò)的一種，一個(gè)標(biāo)準(zhǔn)的LSTM單元的結(jié)構(gòu)如圖4 所示。圖中:⊙表示哈達(dá)瑪積運(yùn)算符；it、ft、ot分別表示輸入門、遺忘門和輸出門的門控單元；ct表示細(xì)胞狀態(tài)；ht-1表示隱藏狀態(tài)；xt表示輸入；σ、ψ、ζ表示激活函數(shù)。該算法彌補(bǔ)了BP 神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測方面的不足，能夠通過訓(xùn)練數(shù)據(jù)學(xué)習(xí)調(diào)節(jié)網(wǎng)絡(luò)參數(shù)，并利用梯度下降法來迭代得到最優(yōu)解［62-63］。文獻(xiàn)［64］針對(duì)鋰離子電池非線性特性這一難點(diǎn)，提出了一種基于LSTM 的SOC 預(yù)測模型。結(jié)果表明，該模型能夠有效解決傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)等問題，估算誤差小于2%，具有較高的估算精度。

圖4 LSTM 單元結(jié)構(gòu)Fig.4 Structure of LSTM unit

2.3.2 支持向量機(jī)

支持向量機(jī)（support vector machine，SVM）是一種使用分類與回歸分析技術(shù)來處理數(shù)據(jù)的算法［65］。與ANN 方法相比，該方法在高維模式識(shí)別、非線性回歸等問題中取得了較好效果。文獻(xiàn)［66］充分利用SVM 的非線性特性，綜合考慮電池電壓、電流以及溫度等因素對(duì)SOC 估算結(jié)果的影響，設(shè)計(jì)了基于SVM 的鋰離子電池SOC 估算方法。實(shí)驗(yàn)表明，該方法估算誤差基本小于5%，平均誤差僅為3.08%，精度較高。

但當(dāng)樣本規(guī)模擴(kuò)增到一定程度時(shí)，SVM 優(yōu)化所帶來的復(fù)雜度會(huì)顯著提升，同時(shí)模型精度也會(huì)有所下降。針對(duì)上述問題，文獻(xiàn)［67］提出了一種基于改進(jìn)SVM 的SOC 在線估計(jì)方法，該方法以等式約束替代了不等式約束，顯著提升了SOC 估算精度和收斂速度。文獻(xiàn)［68］設(shè)計(jì)了基于改進(jìn)粒子群算法的SVM 優(yōu)化方法，并建立了高精度的鋰離子電池SOC 估算模型，解決了SVM 算法所面臨的樣本規(guī)模龐大的問題，進(jìn)而提高了此類方法的普適性。

2.3.3 其他方法

一些基于數(shù)據(jù)驅(qū)動(dòng)的新方法，如支持向量回歸法、模糊邏輯方法等，被應(yīng)用于鋰離子電池SOC 估算研究中，旨在修正估算過程中出現(xiàn)的誤差，提升SOC 的估算精度。文獻(xiàn)［69］利用支持向量回歸算法分析了電池電壓、電流等參數(shù)與SOC 之間的非線性關(guān)系，并通過與BP 神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行結(jié)果對(duì)比，驗(yàn)證了該方法能更好地逼近實(shí)際SOC 值。文獻(xiàn)［70］基于模糊邏輯設(shè)計(jì)了離線計(jì)算和在線查表的估算方法，以實(shí)現(xiàn)鋰離子電池SOC 的實(shí)時(shí)在線估算。仿真實(shí)驗(yàn)表明，該方法具有較高的SOC 估算精度，其估算誤差大約為5%?？傮w而言，新方法相對(duì)傳統(tǒng)方法在一定程度上提高了SOC 的估算精度，但由于新方法的高復(fù)雜度所帶來的巨額計(jì)算量，導(dǎo)致其在實(shí)際應(yīng)用中推廣較難。

2.4 基于融合方法的鋰離子電池SOC 估算方法

單獨(dú)使用上述3 類方法可能會(huì)影響SOC 估算精度或估算速率，因此，廣大學(xué)者正聚焦于多類方法融合的鋰離子電池SOC 估算方法，以取長補(bǔ)短、優(yōu)勢互補(bǔ)，進(jìn)而取得更為準(zhǔn)確的鋰離子電池SOC 估算結(jié)果。文獻(xiàn)［71］提出了一種改進(jìn)的鋰離子電池SOC 估算方法，其估算流程如圖5 所示。該方法的主要思想如下:首先，利用開路電壓法來讀取開路電壓-SOC 之間的數(shù)值關(guān)系；進(jìn)而，結(jié)合當(dāng)前的溫度以及電壓設(shè)定SOC 的初始值；然后，通過安時(shí)積分法對(duì)充電末期和放電末期進(jìn)行參數(shù)實(shí)時(shí)修正；最后，利用多源數(shù)據(jù)信息融合相關(guān)技術(shù)來獲取當(dāng)前時(shí)刻電池的SOC 值。大量實(shí)驗(yàn)結(jié)果表明，該方法具有較高的估算精度，且收斂性較好。文獻(xiàn)［72］基于Thevenin等效電路模型，同時(shí)結(jié)合神經(jīng)網(wǎng)絡(luò)來分析開路電壓和SOC 之間的非線性關(guān)系，并使用改進(jìn)的UKF 法來估算鋰離子電池SOC，結(jié)果表明相比于單一UKF法，該方法的估算精度更高。文獻(xiàn)［73］根據(jù)電池運(yùn)行模式將開路電壓-SOC 曲線劃分為不同區(qū)間，同時(shí)結(jié)合ANN 及模糊邏輯數(shù)據(jù)信息處理技術(shù)實(shí)時(shí)修正模型參數(shù)，進(jìn)而取得了較好的SOC 估算效果。但該方法對(duì)數(shù)據(jù)體量與數(shù)據(jù)可靠性要求較高，亟須建立多場景下完備的鋰離子電池充放電數(shù)據(jù)庫，以保證SOC 估算的精確性與可靠性。

圖5 基于開路電壓-安時(shí)積分及多源數(shù)據(jù)融合的鋰離子電池SOC 估算方法示意圖Fig.5 Schematic diagram of SOC estimation method for lithium-ion batteries based on open circuit voltageampere hour integration and multi-source data fusion

目前，鋰離子電池SOC 估算方法還在不斷完善，一些常見的SOC 估算方法的優(yōu)缺點(diǎn)比較及改進(jìn)方向詳見表1。各類鋰離子電池SOC 估算方法工作原理各不相同，在估算精度、估算速率、經(jīng)濟(jì)性與適用場景等方面也存在差異，在實(shí)際應(yīng)用過程中應(yīng)權(quán)衡多方面利弊做出最優(yōu)選擇。

表1 常見鋰離子電池SOC 估算方法的優(yōu)缺點(diǎn)比較及改進(jìn)方向Table 1 Comparison of advantages and disadvantages in common SOC estimation methods for lithium-ion batteries and improvement directions

3 鋰離子電池SOC 估算方法典型應(yīng)用場景分析

目前，鋰離子電池SOC 估算方法的典型應(yīng)用場景主要包括車載鋰離子電池、消費(fèi)電子產(chǎn)品與電力系統(tǒng)儲(chǔ)能，其在通信基站場景中也有部分應(yīng)用。鋰離子電池的不同應(yīng)用場景特點(diǎn)，直接決定了其SOC估算方法的選擇存在較大差異。下面將詳細(xì)分析鋰離子電池在多類場景中的工作特點(diǎn)，以及各場景中SOC 估算方法的適用情況。

3.1 車載鋰離子電池

電動(dòng)汽車工作時(shí)常處于大電流或電流劇烈波動(dòng)的放電狀態(tài)下，其內(nèi)部環(huán)境溫度變化也較為劇烈，因此，針對(duì)車載鋰離子電池SOC 的估算研究仍存在很多技術(shù)難關(guān)［74-75］。另外，電動(dòng)汽車行業(yè)也規(guī)定車載鋰離子電池SOC 估算方法應(yīng)滿足實(shí)時(shí)在線估算SOC 的要求，同時(shí)還要求估算過程耗時(shí)少、估算精度高、魯棒性好等［76］。

KF 法具有很強(qiáng)的修正能力，特別適用于電流波動(dòng)劇烈的車載鋰離子電池SOC 估算。另外，該方法的可操作性和實(shí)用性較強(qiáng)，逐漸成為車載鋰離子電池SOC 實(shí)時(shí)在線估計(jì)的關(guān)注焦點(diǎn)。文獻(xiàn)［77］詮釋了車載鋰離子電池SOC 的物理意義，并對(duì)不同估計(jì)方法在該場景下的應(yīng)用效果進(jìn)行了詳細(xì)討論。特別地，該文獻(xiàn)系統(tǒng)性地介紹了使用KF 法來估計(jì)車載鋰離子電池SOC 的主要流程與優(yōu)缺點(diǎn)，同時(shí)也明確了KF 法的完善方向。文獻(xiàn)［78］設(shè)計(jì)了一種基于KF 法的車載鋰離子電池SOC 估算方案。案例結(jié)果表明，該方案能夠保證估算誤差控制在5%以內(nèi)，具有較高的估算精度，進(jìn)而能夠有效提升電動(dòng)汽車的使用壽命及整車經(jīng)濟(jì)性。

然而，KF 法存在運(yùn)算量大、估算時(shí)間長等缺陷，目前的研究主要是通過優(yōu)化算法本身或選擇結(jié)構(gòu)簡單的等效模型等手段進(jìn)行解決。例如，在算法優(yōu)化方面提出的UKF、EKF 等方法，已經(jīng)在該領(lǐng)域取得了一定的研究成果。文獻(xiàn)［79］提出了一種車載鋰離子電池容量標(biāo)定方法，同時(shí)結(jié)合UKF 法對(duì)車載鋰離子電池SOC 進(jìn)行在線估計(jì)。結(jié)果表明與KF 法相比，該方法的估算時(shí)長縮短了約20%，但估算精度仍保持在90%左右，明顯改善了KF 法估算速率不高的缺點(diǎn)。文獻(xiàn)［80］提出了一種將EKF 法與傳統(tǒng)庫侖計(jì)數(shù)法自適應(yīng)能力相結(jié)合的SOC 估算方法。分析結(jié)果表明，該方法的估算誤差能夠控制在2%以內(nèi)，同時(shí)模型復(fù)雜度降低了70%，顯著縮短了估算時(shí)長。鑒于車載鋰離子電池性能的重要性及其工作環(huán)境的復(fù)雜性，提高SOC 估算精度以及估算效率已經(jīng)成為提升電動(dòng)汽車整車經(jīng)濟(jì)性的突破口，今后仍將是電動(dòng)汽車研究的重點(diǎn)之一。建立合適的電池模型、獲取準(zhǔn)確的模型參數(shù)，以及采取更加優(yōu)化的算法都將是車載鋰離子電池SOC 估算下一步工作所要研究的內(nèi)容。

3.2 消費(fèi)電子產(chǎn)品

消費(fèi)電子產(chǎn)品如智能手機(jī)、便攜式電腦等設(shè)備已逐漸成為現(xiàn)代生活的必需品。但“設(shè)備電量焦慮”問題常給用戶帶來許多不便，如設(shè)備處于低電量狀態(tài)時(shí)，系統(tǒng)突然關(guān)閉造成數(shù)據(jù)丟失將給用戶帶來許多困擾。另一方面，消費(fèi)電子產(chǎn)品經(jīng)常處于不規(guī)律的充放電狀態(tài)中，這對(duì)該場景下SOC 估算方法的實(shí)時(shí)性也提出了更高要求。考慮到實(shí)時(shí)、準(zhǔn)確地獲取電池SOC 對(duì)用戶的重要性，精確的消費(fèi)電子產(chǎn)品鋰離子電池SOC 估算方法顯得格外重要［34，81］。

鑒于消費(fèi)電子產(chǎn)品中鋰離子電池所處的場景特點(diǎn)，基于實(shí)驗(yàn)的SOC 估算方法因其方便快捷、準(zhǔn)確可靠等優(yōu)點(diǎn)在該領(lǐng)域中得到了廣泛應(yīng)用，其中庫侖計(jì)法是目前該領(lǐng)域中估計(jì)電池SOC 最常用的方法［82］。文獻(xiàn)［83］詳細(xì)敘述了庫侖計(jì)法的工作原理，并分析了該方法如何針對(duì)鋰離子電池的工作特性準(zhǔn)確報(bào)告電量數(shù)據(jù)。文獻(xiàn)［26］提出了一種基于2～4 串鋰離子電池組庫侖計(jì)法的SOC 估算方案，該方案通過電量計(jì)芯片BQ27210 對(duì)電量信號(hào)進(jìn)行處理，能夠在充放電循環(huán)過程中自動(dòng)校正電池容量。實(shí)例驗(yàn)證表明，該方法的估算精度能夠保持在±5%以內(nèi)，同時(shí)還具有良好的自我學(xué)習(xí)能力、高可靠性以及強(qiáng)擴(kuò)展性等優(yōu)點(diǎn)。文獻(xiàn)［84］設(shè)計(jì)了一種電池電壓范圍為2.9～4.3 V 的互補(bǔ)金屬氧化物半導(dǎo)體（CMOS）庫侖計(jì)法，采用了短接到地和直接選擇相結(jié)合的方式，使得分壓精度更加線性化。結(jié)果表明，該方法具有較高的估算精度與估算效率，能夠滿足消費(fèi)電子產(chǎn)品使用者實(shí)時(shí)查看電池SOC 的要求。

然而，庫侖計(jì)法也存在許多不足之處需要改進(jìn)，如檢測電阻阻值大小選擇不當(dāng)會(huì)使得電池SOC 的估算精度降低。另外，庫侖計(jì)法是通過電流對(duì)時(shí)間的積分計(jì)算檢測電阻流過的電量，一旦存在測試誤差，就會(huì)逐漸累積放大，最終導(dǎo)致SOC 估算結(jié)果精度不高。因此，應(yīng)利用閉環(huán)控制對(duì)庫侖計(jì)法的模型結(jié)構(gòu)進(jìn)行修正，消除因測量誤差所帶來的估算精度不高等問題，同時(shí)對(duì)測試數(shù)據(jù)進(jìn)行預(yù)處理，以提升電池SOC 估算效率，進(jìn)而最大限度地保障使用者的舒適性與滿意度。

3.3 電力系統(tǒng)儲(chǔ)能

電力系統(tǒng)儲(chǔ)能是國家戰(zhàn)略性新興產(chǎn)業(yè)，同時(shí)也是智能電網(wǎng)、高比例可再生能源系統(tǒng)的重要組成部分［85-86］。隨著儲(chǔ)能系統(tǒng)規(guī)模逐漸擴(kuò)大，其內(nèi)部電池的排列方式也日益復(fù)雜，若未對(duì)儲(chǔ)能系統(tǒng)內(nèi)部電池進(jìn)行準(zhǔn)確排序，則可能會(huì)引發(fā)電池組的不一致性，甚至儲(chǔ)能系統(tǒng)過充等安全性問題。SOC 作為檢驗(yàn)電池組不一致性的重要參數(shù)，其精確估計(jì)有利于保障電力系統(tǒng)儲(chǔ)能的安全穩(wěn)定運(yùn)行?？紤]到鋰離子電池用于儲(chǔ)能場景下具有較強(qiáng)的非線性、不規(guī)則性及工況類別繁多等特征，傳統(tǒng)的SOC 估算方法已體現(xiàn)出一定的局限性［87-88］。因此，有必要收集儲(chǔ)能系統(tǒng)多時(shí)空尺度下的相關(guān)數(shù)據(jù)，建立融合多源信息的綜合性SOC 估算模型，以保證估算結(jié)果能更準(zhǔn)確地反映儲(chǔ)能電池的實(shí)際工作狀態(tài)。

數(shù)據(jù)融合系列方法因其不依賴于電池工作時(shí)的內(nèi)部特性同時(shí)又適用于高度非線性系統(tǒng)等特點(diǎn)，在電力系統(tǒng)儲(chǔ)能用鋰離子電池SOC 估算方面得到了廣泛應(yīng)用。文獻(xiàn)［89］基于多源數(shù)據(jù)融合技術(shù)，即通過計(jì)算機(jī)對(duì)鋰離子電池SOC 相關(guān)的多源信息進(jìn)行處理，提出了一種適用于儲(chǔ)能用鋰離子電池的SOC估算方法，該方法能根據(jù)不同工況下電池的特征曲線不斷修正關(guān)鍵參數(shù)值進(jìn)而縮減估算誤差。仿真結(jié)果表明，該方法對(duì)儲(chǔ)能電池進(jìn)行SOC 估算時(shí)的誤差普遍小于1%。文獻(xiàn)［73］通過調(diào)研儲(chǔ)能系統(tǒng)中鋰離子電池的實(shí)際運(yùn)行數(shù)據(jù)，同時(shí)提取該類電池的特征曲線，設(shè)計(jì)了一種基于數(shù)據(jù)融合技術(shù)的儲(chǔ)能電池SOC 估算方法。分析結(jié)果表明，方法的平均估算誤差小于1%，有效驗(yàn)證了該方法的可行性與實(shí)用性。

然而，該類方法對(duì)硬件的處理能力要求很高。隨著科技的進(jìn)步與發(fā)展，處理器的計(jì)算精度和運(yùn)算速度都將得到大幅提升，同時(shí)，對(duì)相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理操作也能夠有效減輕硬件的運(yùn)算負(fù)擔(dān)。因此，該類方法在電力系統(tǒng)儲(chǔ)能領(lǐng)域具有較強(qiáng)的應(yīng)用前景。此外，鑒于目前建立的數(shù)據(jù)庫可能不足以充分反映鋰離子電池的內(nèi)外部特性，亟須收集并充分挖掘儲(chǔ)能鋰離子電池的運(yùn)行數(shù)據(jù)，以實(shí)現(xiàn)更高的儲(chǔ)能用鋰離子電池SOC 估算精度。

3.4 通信基站

通信基站備用儲(chǔ)能由許多電池單元或模塊組成，為了實(shí)現(xiàn)基站備用儲(chǔ)能系統(tǒng)的穩(wěn)定運(yùn)行以及高效參與電力市場輔助服務(wù)，電池運(yùn)維體系必須實(shí)時(shí)追蹤各單體電池的充電狀態(tài)、健康狀態(tài)、故障狀態(tài)等［90］。SOC 作為表征儲(chǔ)能電池狀態(tài)的重要參數(shù)之一，能夠清晰地表明系統(tǒng)備用儲(chǔ)能的待充電量及剩余使用時(shí)間，從而避免電力供應(yīng)不足時(shí)設(shè)備無法正常使用等情況發(fā)生［91］。此外，SOC 的準(zhǔn)確估算對(duì)構(gòu)建高效的通信基站儲(chǔ)能運(yùn)維調(diào)度系統(tǒng)也十分關(guān)鍵。然而，通信基站站點(diǎn)環(huán)境復(fù)雜、數(shù)量龐大且分布廣泛，以及備用儲(chǔ)能電池模型的動(dòng)態(tài)非線性等因素導(dǎo)致此場景下基于實(shí)驗(yàn)或基于模型的鋰離子電池SOC 估算方法應(yīng)用效果不佳。

基于數(shù)據(jù)驅(qū)動(dòng)的鋰離子電池SOC 估算方法能夠充分利用現(xiàn)有的通信基站電能管理、環(huán)境監(jiān)測等相關(guān)數(shù)據(jù)，并以此來分析通信基站備用儲(chǔ)能SOC 與多元影響因素之間的耦合作用機(jī)理，進(jìn)而得到較為準(zhǔn)確的SOC 估算結(jié)果。該類方法具有較強(qiáng)的非線性映射能力和自適應(yīng)學(xué)習(xí)等特點(diǎn)，吸引了許多學(xué)者將其應(yīng)用于基站備用儲(chǔ)能SOC 估算研究中［92］。文獻(xiàn)［93］設(shè)計(jì)了一種基于多尺度數(shù)據(jù)驅(qū)動(dòng)的基站儲(chǔ)能鋰離子電池SOC 在線估計(jì)方法，該方法建立了電池SOC 與電壓之間的數(shù)據(jù)驅(qū)動(dòng)模型，采用最小二乘支持向量機(jī)算法對(duì)模型進(jìn)行訓(xùn)練，建立起電池SOC 與電壓之間的映射關(guān)系。仿真結(jié)果表明，該方法的平均估算誤差僅為4.5%，顯著改善了基于數(shù)據(jù)驅(qū)動(dòng)類方法受樣本影響較大的缺陷，同時(shí)達(dá)到實(shí)時(shí)估算電池SOC 的目的。文獻(xiàn)［94］提出了一種基于改進(jìn)徑向基函數(shù)（radial basis function，RBF）神經(jīng)網(wǎng)絡(luò)模型的SOC 估算方法，該方法利用L1/2正則化算法對(duì)RBF 神經(jīng)網(wǎng)絡(luò)中隱含層節(jié)點(diǎn)的選取進(jìn)行優(yōu)化，并通過模糊理論相關(guān)放縮算法來提升RBF 神經(jīng)網(wǎng)絡(luò)的泛化能力，進(jìn)而改善該方法易陷入局部最優(yōu)的弊端。案例結(jié)果表明，采用基于改進(jìn)RBF 神經(jīng)網(wǎng)絡(luò)模型的SOC 估算方法對(duì)基站儲(chǔ)能進(jìn)行預(yù)測時(shí)，其平均估算誤差為4.3%，能取得較為準(zhǔn)確的估算結(jié)果。

然而，在現(xiàn)有通信基站備用儲(chǔ)能SOC 估算研究中，并未考慮周圍環(huán)境溫度驟變、電池老化以及不同放電倍率快速切換等因素對(duì)估算結(jié)果的影響等。因此，應(yīng)實(shí)時(shí)動(dòng)態(tài)地對(duì)通信基站備用儲(chǔ)能相關(guān)數(shù)據(jù)進(jìn)行采集與訓(xùn)練，進(jìn)而建立以溫度、老化情況以及充放電倍率等因素作為輸入，以SOC 作為輸出的映射數(shù)據(jù)鏈，這對(duì)提高該類方法的估算精度是非常重要的。

綜上所述，各類典型場景的特點(diǎn)不同，對(duì)SOC估算方法的要求也存在很大差異，從而直接決定了多類鋰離子電池SOC 估算方法的適應(yīng)性不盡相同。表2 所示為4 類典型場景下，SOC 估算方法的各項(xiàng)要求及相應(yīng)的示范應(yīng)用案例匯總。

表2 典型場景下SOC 估算方法的各項(xiàng)要求以及相應(yīng)的示范應(yīng)用案例匯總Table 2 Requirements of SOC estimation method in typical scenarios and summary of corresponding demonstration application cases

4 有待深入研究的方向展望

目前，鋰離子電池的應(yīng)用場景逐漸趨于多元化。傳統(tǒng)鋰離子電池SOC 估算方法已顯示出一定的弊端，筆者認(rèn)為從以下4 個(gè)方面完善鋰離子電池SOC 估算方法，將有助于提升其在不同領(lǐng)域下的精確性與實(shí)用性。

4.1 開發(fā)精度與復(fù)雜度兼優(yōu)的電池模型

電池模型的精確構(gòu)建是實(shí)現(xiàn)鋰離子電池SOC估算的基礎(chǔ)措施，同時(shí)也是影響其估算結(jié)果精確度的重要因素。優(yōu)異的鋰離子電池模型不僅能精確表征鋰離子電池的動(dòng)態(tài)特性，而且能解析電池內(nèi)部溫度、電池壽命等影響因素與SOC 變化之間的作用機(jī)理，便于對(duì)模型進(jìn)行參數(shù)辨識(shí)、仿真優(yōu)化等，但這在一定程度上也增加了模型的復(fù)雜度，從而延長了鋰離子電池SOC 估算時(shí)長。因此，在對(duì)鋰離子電池進(jìn)行實(shí)際場景建模時(shí)，不僅要考慮該模型的估算精度，還要注重模型的實(shí)用性和復(fù)雜度，進(jìn)而尋找能夠保證鋰離子電池SOC 估算精度與復(fù)雜度兼優(yōu)的電池模型，便于在實(shí)際場景中推廣與使用。

4.2 建立多維度、多場景的鋰離子電池充放電數(shù)據(jù)庫/云平臺(tái)

鑒于目前建立的充放電數(shù)據(jù)庫不能充分反映鋰離子電池的實(shí)際運(yùn)行特性，造成了基于數(shù)據(jù)驅(qū)動(dòng)的SOC 估算方法實(shí)際應(yīng)用效果欠佳。此外，上述方法需要收集大量電池充放電數(shù)據(jù)進(jìn)行映射訓(xùn)練，以達(dá)到提升估算精度的目標(biāo)。如何將鋰離子電池的充放電歷史數(shù)據(jù)與數(shù)據(jù)挖掘、深度學(xué)習(xí)等新興技術(shù)結(jié)合起來，進(jìn)而形成實(shí)時(shí)更新的充放電數(shù)據(jù)庫將是提升鋰離子電池SOC 估算精度的重要途徑。因此，亟須構(gòu)建多維度、多場景下的鋰離子電池充放電數(shù)據(jù)庫或云平臺(tái)，進(jìn)而提升該類方法在更為復(fù)雜情況下的估算精度與普適性。

4.3 多類方法融合的鋰離子電池SOC 估算方法

隨著鋰離子電池的規(guī)模與日俱增，其運(yùn)行環(huán)境也日益復(fù)雜，利用單一方法進(jìn)行鋰離子電池SOC 估算已無法保證輸出結(jié)果的精確性、可靠性和估算效率。因此，多類方法融合和綜合利用將是未來鋰離子電池SOC 估算的研究熱點(diǎn)。在充分理解各類方法優(yōu)缺點(diǎn)的基礎(chǔ)上，應(yīng)將安時(shí)積分、開路電壓等傳統(tǒng)方法與RNN、KF、SVM 等新興鋰離子電池SOC 估算方法綜合利用，通過流程簡化、參數(shù)修正加權(quán)等操作對(duì)原有方法存在的缺陷進(jìn)行補(bǔ)充完善，融合多源信息對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，以有效縮短SOC 估算時(shí)長，同時(shí)保證各類工況下SOC 的精確估計(jì)。

4.4 基于新興算法的鋰離子電池SOC 估算方法實(shí)際示范應(yīng)用

目前，許多新興的SOC 估算方法研究仍處于實(shí)驗(yàn)室階段，如AEKF、CKF、UPF、RNN、SVM 方法等，其實(shí)際示范應(yīng)用較少。然而，由于實(shí)驗(yàn)條件有限、不能完全模擬實(shí)際情況，難以保證鋰離子電池在充放電過程中各模型參數(shù)的辨識(shí)精度，從而導(dǎo)致鋰離子電池SOC 估算結(jié)果的可信度不高。目前，實(shí)際示范應(yīng)用仍以安時(shí)積分、開路電壓等傳統(tǒng)方法為主，基于新興算法的SOC 估算方法還難以實(shí)現(xiàn)。因此，在后期工作過程中應(yīng)分析多類新興算法的估算機(jī)理，開發(fā)相對(duì)應(yīng)的算法程序，進(jìn)而搭建BMS 平臺(tái)，將理論研究成果逐步應(yīng)用于實(shí)際工程示范。

5 結(jié)語

鋰離子電池SOC 估算過程受多類復(fù)雜因素影響，電池的各個(gè)工作狀態(tài)之間也存在耦合關(guān)系，雖然目前用于鋰離子電池SOC 估算的方法種類繁多，但各種方法均存在一定的缺陷。因此，很難找到一種方法能夠同時(shí)滿足SOC 實(shí)時(shí)在線、高精度、高速率估算的要求。

本文對(duì)鋰離子電池SOC 估算方法及其應(yīng)用場景進(jìn)行了綜述，認(rèn)為以下幾個(gè)方面仍是今后研究的工作重點(diǎn)。

1）為了有效提升SOC 估算精度，目前所設(shè)計(jì)的電池模型復(fù)雜度均較高，從而造成估算時(shí)間大大延長。在未來SOC 估算方法的研究過程中，亟須開發(fā)一種精度與復(fù)雜度兼優(yōu)的電池模型，以保障各類方法的實(shí)際應(yīng)用與推廣。

2）目前，鋰離子電池的實(shí)際運(yùn)行數(shù)據(jù)獲取有限，難以反映真實(shí)的電池運(yùn)行特性。后期應(yīng)收集多方數(shù)據(jù)源的相關(guān)數(shù)據(jù)，建立豐富的鋰離子電池充換電數(shù)據(jù)庫，使得SOC 估算的結(jié)果有據(jù)可依、有據(jù)可查。

3）綜合利用各種SOC 估算方法，揚(yáng)長補(bǔ)短，在SOC 估算的不同階段引入不同的校正方法，以最大限度地減少不同狀態(tài)下的誤差，提高SOC 的估算精度。

4）繼續(xù)開發(fā)基于新興算法的SOC 估算方法所對(duì)應(yīng)的仿真程序，并基于BMS 工作原理對(duì)鋰離子電池SOC 估算系統(tǒng)進(jìn)行相應(yīng)的軟硬件設(shè)計(jì)，加速推進(jìn)上述方法的落地示范應(yīng)用進(jìn)程。

本文得到需求側(cè)多能互補(bǔ)優(yōu)化與供需互動(dòng)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室開放基金項(xiàng)目(YDB51201901347)的資助，特此感謝！