湖北汽车工业学院学报JournalofHubeiUniversityofAutomotiveTechnology第37卷第1期2023年3月Vol.37No.1Mar.2023doi：10.3969/j.issn.1008-5483.2023.01.015基于改进卡尔曼滤波锂离子电池SOC估计蔡硕，赵慧勇，赵莹莹（湖北汽车工业学院汽车工程学院，湖北十堰442002）摘要：为了估算锂离子电池的剩余电量，考虑估计过程中的噪声影响，采用卡尔曼滤波方式进行电池的荷电状态估计研究。以戴维南等效电路模型为基础进行了电池参数的辨识，利用Simulink建立基于卡尔曼滤波的电池荷电状态估计模型。分析了电池在不同的放电电流的工况下，测量误差对电池荷电状态估计的影响，提出了改进卡尔曼滤波算法。仿真结果表明：与拓展卡尔曼滤波算法相比，改进卡尔曼滤波算法精度更高。关键词：锂电池；电池荷电状态；卡尔曼滤波；MATLAB；测量误差中图分类号：TM912文献标识码：A文章编号：1008-5483（2023）01-0077-04SOCEstimationofLithiumIonBatteryBasedonImprovedKalmanFilterCaiShuo,ZhaoHuiyong,ZhaoYingying（SchoolofAutomotiveEngineering,HubeiUniversityofAutomotiveTechnology,Shiyan442002,China）Abstract：Inordertoestimatetheremainingpoweroflithium-ionbattery,Kalmanfilterwasusedtoes⁃timatethestateofcharge(SOC)ofbattery,consideringtheinfluenceofnoiseintheestimationprocess.Firstly,thebatteryparameterswereidentifiedbasedonTheveninequivalentcircuitmodel.Then,theSOCestimationmodelbasedontheprincipleofKalmanfilterwasestablishedbySimulink.Theinflu⁃enceofmeasurementerroronSOCestimationunderdifferentdischargecurrentwasanalyzedandanim⁃provedKalmanfilteralgorithmwasproposed.ThesimulationresultsshowthattheimprovedKalmanfil⁃teralgorithmhashigheraccuracythantheoriginalextendedKalmanfilteralgorithm.Keywords：lithiumbattery;stateofcharge;Kalmanfilter;MATLAB;systematicerror收稿日期：2022-03-10；修回日期：2022-11-22第一作者：蔡硕（1997-），男，硕士生，从事新能源汽车方面的研究。E-mail:1287286722@qq.com由于具有能量密度高、充放电性能好、使用寿命长的特性，锂电池已经在电动汽车上被广泛应用［1］。电池的荷电状态（stateofcharge,SOC）是汽车续驶里程的重要指标，为了缓解消费者的“里程焦虑”［2］，对电池的SOC进行估计显得尤为重要。目前，针对电池的SOC估算方法主要有安时积分...
