中國(guó)科學(xué)院電力電子與電力傳動(dòng)重點(diǎn)實(shí)驗(yàn)室、中國(guó)科學(xué)院大學(xué)的研究人員劉偉龍、王麗芳、王立業(yè)，在2018年第1期《電工技術(shù)學(xué)報(bào)》上撰文指出，能量狀態(tài)（SOE）是電動(dòng)汽車(chē)動(dòng)力電池的重要狀態(tài)指標(biāo)，直接影響電動(dòng)汽車(chē)?yán)m(xù)航里程，受電動(dòng)汽車(chē)工況顯著影響。

　　為進(jìn)行基于電動(dòng)汽車(chē)工況的SOE估計(jì)，對(duì)SOE估計(jì)方法、行駛工況識(shí)別算法、行駛工況預(yù)測(cè)算法展開(kāi)研究，建立基于模型的電池剩余能量狀態(tài)（SOR）估計(jì)方法，提出基于信息熵理論的行駛工況識(shí)別算法，應(yīng)用馬爾科夫鏈理論構(gòu)建了行駛工況預(yù)測(cè)算法，建立電動(dòng)汽車(chē)系統(tǒng)模型，仿真獲取電動(dòng)汽車(chē)預(yù)測(cè)行駛工況對(duì)應(yīng)的電池預(yù)測(cè)工況，實(shí)現(xiàn)基于電動(dòng)汽車(chē)工況識(shí)別與預(yù)測(cè)的SOE估計(jì)。仿真結(jié)果驗(yàn)證了該方法的有效性。

　　目前，電動(dòng)汽車(chē)已經(jīng)成為科研與汽車(chē)產(chǎn)業(yè)界的熱點(diǎn)，但電汽車(chē)的“里程焦慮”問(wèn)題限制著其發(fā)展[1]，荷電狀態(tài)（State-of-Charge,SOC）作為動(dòng)力電池剩余荷電量的指標(biāo)參量被廣泛地應(yīng)用于電動(dòng)汽車(chē)中，具有提醒用戶及時(shí)充電的功能。

　　但由于在放電工況下動(dòng)力電池的端電壓呈現(xiàn)下降趨勢(shì)，使得動(dòng)力電池在SOC較大區(qū)間內(nèi)的能量（W×h）供給能力降低，進(jìn)而在電動(dòng)汽車(chē)運(yùn)行過(guò)程中SOC指標(biāo)表現(xiàn)出加快下降的趨勢(shì)。以SOC作為充電指標(biāo)參量，容易導(dǎo)致充電時(shí)機(jī)的誤判，給電動(dòng)汽車(chē)用戶造成了諸多不便。

　　動(dòng)力電池的能量狀態(tài)（StateofEvergy,SOE）作為電動(dòng)汽車(chē)W×h單位尺度上剩余能量的比例參數(shù)，是電池能量供給能力的直接描述，將其作為電動(dòng)汽車(chē)用戶充電指標(biāo)參量更具優(yōu)勢(shì)。

　　目前，電池SOE估計(jì)方法通常為SOC估計(jì)算法的應(yīng)用拓展，利用SOC與SOE的映射關(guān)系估計(jì)電池SOE[2,3]，然而通過(guò)SOC換算得到的SOE并不準(zhǔn)確，這是由于動(dòng)力電池在實(shí)際應(yīng)用中，隨著車(chē)輛行駛工況的改變將造成不同程度的能量損耗，使得動(dòng)力電池的實(shí)際供給能量產(chǎn)生變化。因此，基于未來(lái)車(chē)輛行駛工況預(yù)測(cè)的動(dòng)力電池剩余可用能量狀態(tài)（SOE）更具實(shí)際意義。

　　而未來(lái)車(chē)輛行駛工況預(yù)測(cè)的前提是歷史車(chē)輛行駛工況的識(shí)別，為此本文進(jìn)行了基于電動(dòng)汽車(chē)工況識(shí)別預(yù)測(cè)的鋰離子電池SOE估計(jì)的研究。

　　電池模型是進(jìn)行電池狀態(tài)估計(jì)的基礎(chǔ)，主要可以分為電化學(xué)機(jī)理模型[4,5]、經(jīng)驗(yàn)?zāi)Ｐ蚚6,7]和等效電路模型[8,9]三類。其中，因等效電路模型具有便于分析應(yīng)用，通用性好的優(yōu)點(diǎn)，取得了廣泛應(yīng)用。

　　本文基于電池等效電路模型進(jìn)行SOE估計(jì)算法研究，提出了基于模型的電池剩余能量狀態(tài)（StateofResidualEnergy，SOR）估計(jì)算法、基于信息熵理論的行駛工況識(shí)別算法以及基于馬爾科夫鏈理論的行駛工況預(yù)測(cè)算法；構(gòu)建了電動(dòng)汽車(chē)系統(tǒng)模型，獲取電池預(yù)測(cè)工況，實(shí)現(xiàn)了基于工況識(shí)別與預(yù)測(cè)的SOE估計(jì)；仿真結(jié)果分析、驗(yàn)證了算法的精度。

　　圖1鋰離子電池等效電路模型結(jié)構(gòu)

　　圖2電動(dòng)汽車(chē)系統(tǒng)模型

　　圖3電池SOE估計(jì)算法示意圖

　　結(jié)論

　　本文提出了一種基于電動(dòng)汽車(chē)工況識(shí)別與預(yù)測(cè)的鋰離子電池SOE估計(jì)算法。

　　首先，基于電極阻抗譜理論，構(gòu)建了不同階次電池等效電路模型，并應(yīng)用GA算法實(shí)現(xiàn)了模型參數(shù)辨識(shí)；

　　其次，基于AUKF，提出了基于不同階次電池模型的SOR估計(jì)算法，仿真結(jié)果表明，該算法可以實(shí)現(xiàn)迅速收斂；

　　再次，應(yīng)用FCMIE算法，實(shí)現(xiàn)了電動(dòng)汽車(chē)行駛工況的識(shí)別，并采用基于馬爾科夫鏈理論的行駛工況預(yù)測(cè)算法，得到了電動(dòng)汽車(chē)預(yù)測(cè)行駛工況，仿真結(jié)果表明，該算法預(yù)測(cè)工況效果良好；

　　最后，將不同階次電池等效電路模型集成于電動(dòng)汽車(chē)系統(tǒng)模型，仿真獲取了電動(dòng)汽車(chē)預(yù)測(cè)行駛工況對(duì)應(yīng)的電池預(yù)測(cè)工況，進(jìn)行了電池預(yù)測(cè)工況下的電池能量損耗率的計(jì)算，繼而實(shí)現(xiàn)了電池SOE的估計(jì)。

　　SOE估計(jì)方均誤差在2.45%以內(nèi)，本文提出的電池SOE估計(jì)算法具有良好效果。