隨著世界能源消耗的日益增加，大氣污染日漸嚴(yán)重，發(fā)展新能源汽車成為現(xiàn)代工業(yè)發(fā)展的重要任務(wù)。其中，電動(dòng)汽車以其效率高、污染小等特點(diǎn)倍受關(guān)注。鋰離子動(dòng)力電池組是電動(dòng)汽車中唯一的儲(chǔ)能環(huán)節(jié)，當(dāng)電動(dòng)汽車動(dòng)力電池組性能下降到原性能的80%時(shí)，將不再適合在電動(dòng)汽車中使用。

動(dòng)力電池組的制造工藝先進(jìn)，即使退役后仍然保持很高的安全性和電性能，若將這些鋰電池進(jìn)行回收處理將造成極大浪費(fèi)，故可考慮將退役動(dòng)力電池進(jìn)行梯次回收利用。由于動(dòng)力電池組不同單體電池在使用過(guò)程中自放電程度、環(huán)境溫度等因素的不同，導(dǎo)致退役的動(dòng)力電池的容量、內(nèi)阻、電壓存在不一致性，各單體電池老化程度存在差異。因此，若要實(shí)現(xiàn)合理的梯次利用，需要對(duì)鋰離子動(dòng)力電池組內(nèi)各單體電池狀態(tài)進(jìn)行重新評(píng)估。

電動(dòng)汽車用鋰離子電池的狀態(tài)主要通過(guò)電池的荷電狀態(tài)（State of Charge, SOC）和健康狀態(tài)（State of Health, SOH）來(lái)表征。SOC是電池當(dāng)前的剩余容量與標(biāo)稱容量之比，能直接反映電池的剩余容量，也能直接反映電動(dòng)汽車當(dāng)前的最多行駛里程，是鋰電池能量管理的重要決策參數(shù)之一；SOH是電池當(dāng)前所能充入的最大電量與額定容量的比值，表征電池的老化程度，體現(xiàn)在電池內(nèi)部活性物質(zhì)減少，實(shí)際容量減小，內(nèi)阻增大等。準(zhǔn)確估計(jì)鋰離子電池組電池狀態(tài)，是動(dòng)力鋰離子電池梯次利用的關(guān)鍵技術(shù)之一。

現(xiàn)有的電池SOC估計(jì)方法可分為以下四類：

①安時(shí)積分法：該方法屬于開(kāi)環(huán)工作模式，從SOC的定義出發(fā)，通過(guò)計(jì)算采樣電流對(duì)時(shí)間的積分得到實(shí)時(shí)的電池SOC。在SOC初始值準(zhǔn)確的情況下，該方法短時(shí)間內(nèi)能保持較高精度，但隨著工作時(shí)間增加，由于不確定的庫(kù)侖效率和測(cè)試電流的誤差累計(jì)，使得此方法精度越來(lái)越低，無(wú)法長(zhǎng)時(shí)間獨(dú)立使用。

②特征參量法：電池的特征參量通常為電池的開(kāi)路電壓（Open-Circuit Voltage, OCV）和內(nèi)阻。開(kāi)路電壓法通過(guò)建立電池OCV與SOC的對(duì)應(yīng)關(guān)系，通過(guò)測(cè)量OCV來(lái)得到對(duì)應(yīng)的SOC值，但電池的開(kāi)路電壓值較難獲得，需要靜置較長(zhǎng)時(shí)間，導(dǎo)致該方法誤差較大。測(cè)量?jī)?nèi)阻法由于測(cè)試設(shè)備昂貴，測(cè)試方法較為復(fù)雜，無(wú)法滿足在線估計(jì)的要求。

③數(shù)據(jù)驅(qū)動(dòng)法：該方法通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式對(duì)電池進(jìn)行建模，再運(yùn)用到電池狀態(tài)估計(jì)中，該方法主要有模糊邏輯、人工神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等。這類方法很大程度上依靠訓(xùn)練數(shù)據(jù)的全面性和有效性，在電池的老化過(guò)程中，隨著電池特性的變化，訓(xùn)練數(shù)據(jù)會(huì)逐漸失效，從而影響估計(jì)效果。

④基于多種方法融合的估計(jì)方法：此類估計(jì)方法基于電池模型，屬于閉環(huán)工作模式，最具代表性的有自適應(yīng)擴(kuò)展卡爾曼濾波技術(shù)、雙擴(kuò)展卡爾曼濾波技術(shù)、魯棒擴(kuò)展卡爾曼濾波技術(shù)、粒子濾波技術(shù)等。這類方法將多種SOC估計(jì)方法有機(jī)地融合，揚(yáng)長(zhǎng)避短，使其能有效地對(duì)SOC進(jìn)行實(shí)時(shí)追蹤，是當(dāng)前SOC估計(jì)研究最熱門的方向。

現(xiàn)有的電池SOH估計(jì)方法主要有以下幾種：

• ①直接放電法：是利用負(fù)載對(duì)電池SOH的影響進(jìn)行評(píng)價(jià)的方法，該方法操作復(fù)雜，需要離線測(cè)試電池的SOH，無(wú)法實(shí)現(xiàn)實(shí)時(shí)在線監(jiān)測(cè)；
• ②測(cè)量?jī)?nèi)部阻抗法：電池的SOH可以用歐姆內(nèi)阻的關(guān)系式來(lái)表征，通過(guò)測(cè)量分析得到電池的歐姆內(nèi)阻，從而計(jì)算得到電池的SOH；
• ③電化學(xué)阻抗分析法（Electrochemical Impedance Spectroscopy, EIS）：該方法的主要思想是對(duì)待測(cè)電池施加多個(gè)正弦信號(hào)，利用模糊理論對(duì)得到的數(shù)據(jù)信息進(jìn)行分析，預(yù)測(cè)電池的老化程度，此方法需要大量的實(shí)驗(yàn)數(shù)據(jù)，實(shí)用性較低；
• ④化學(xué)分析法：該方法通過(guò)測(cè)量電解液密度的變化來(lái)對(duì)SOH進(jìn)行估計(jì)，但該方法必須破壞電池結(jié)構(gòu)，使得電池不能再繼續(xù)使用；
• ⑤現(xiàn)代估計(jì)方法：主要有卡爾曼濾波算法、神經(jīng)網(wǎng)絡(luò)算法、模糊邏輯算法等，這些方法能對(duì)電池的狀態(tài)進(jìn)行定性定量的分析，實(shí)際應(yīng)用效果較好。

針對(duì)目前電池狀態(tài)估計(jì)精度較低、時(shí)效性差等問(wèn)題，本文采用鋰離子電池二階Thevenin等效電路模型，并運(yùn)用自適應(yīng)無(wú)跡卡爾曼濾波（Adaptive Unscented Kalman Filter, AUKF）算法對(duì)電池狀態(tài)進(jìn)行實(shí)時(shí)估計(jì)。

自適應(yīng)無(wú)跡卡爾曼濾波算法結(jié)合無(wú)跡卡爾曼濾波算法和擴(kuò)展卡爾曼算法，建立循環(huán)迭代關(guān)系，已知電池參數(shù)估計(jì)電池狀態(tài)，再將電池狀態(tài)作為已知量估計(jì)模型參數(shù)，以此類推進(jìn)行遞推運(yùn)算，實(shí)時(shí)估計(jì)電池SOC及歐姆內(nèi)阻。

利用歐姆內(nèi)阻與電池SOH的函數(shù)對(duì)應(yīng)關(guān)系，可實(shí)時(shí)估計(jì)電池SOH。并通過(guò)對(duì)電池組中各單體電池及電池組整體健康狀態(tài)的估算，對(duì)電池組的剩余利用價(jià)值進(jìn)行量化，制定明確的電動(dòng)汽車動(dòng)力鋰離子電池組的梯次利用方案。

圖1 鋰離子電池二階Thevenin等效電路模型

結(jié)論

1）本文以電池的二階Thevenin等效電路模型為基礎(chǔ)，設(shè)計(jì)了自適應(yīng)無(wú)跡卡爾曼濾波算法。實(shí)驗(yàn)驗(yàn)證了自適應(yīng)無(wú)跡卡爾曼濾波算法在兩種不同的電流工況下估算電池端電壓及電池SOC的準(zhǔn)確性，且該算法不受電流工況的限制，同時(shí)驗(yàn)證了該算法可以實(shí)時(shí)辯識(shí)出電池的歐姆內(nèi)阻。

2）本文應(yīng)用自適應(yīng)無(wú)跡卡爾曼濾波算法辨識(shí)時(shí)變電池系統(tǒng)的歐姆內(nèi)阻，再利用內(nèi)阻與電池SOH的函數(shù)關(guān)系實(shí)時(shí)估算電池的SOH，并通過(guò)實(shí)驗(yàn)驗(yàn)證了其估算精度。該算法的運(yùn)算速度快，精度高，具有很好的實(shí)用性。

3）本文通過(guò)對(duì)鋰離子電池組中各單體電池的SOH及平均單體電池SOH的估算，定位不合格單體電池，量化電池組的完好度，明確制定電動(dòng)汽車動(dòng)力電池組老化單體電池替換維護(hù)方案，實(shí)現(xiàn)廢舊動(dòng)力電池的資源利用最大化，并驗(yàn)證了該方案的可行性。

4）采用自適應(yīng)無(wú)跡卡爾曼濾波算法不但可以估計(jì)電池的SOC和歐姆內(nèi)阻，在該電池模型的基礎(chǔ)上，針對(duì)不同的參數(shù)建立狀態(tài)空間模型，也可以實(shí)現(xiàn)對(duì)電池模型的極化特性進(jìn)行實(shí)時(shí)的在線估計(jì)。