I電動(dòng)汽車SOC研究的國內(nèi)外文獻(xiàn)綜述荷電狀態(tài)(SOC)被稱作是電動(dòng)汽車電池管理系統(tǒng)（BMS）的最關(guān)鍵功能，而現(xiàn)階段對于車載動(dòng)力電池SOC估計(jì)仍是有很大偏差。SOC估算難以準(zhǔn)確的原因主要是有以下幾個(gè)方面。電池內(nèi)部的結(jié)構(gòu)十分復(fù)雜，工作狀態(tài)不斷地在變化。例如電池偶爾處于封閉狀態(tài)，有時(shí)處于開通狀態(tài)，有時(shí)候關(guān)閉之后再開通。在這些變化中，其中間的相隔時(shí)間卻很難確定，這些因素都會(huì)影響SOC的估算。電池本身的電流、自放電率、溫度以及老化程度等也會(huì)影響到電池的容量大小。電池的SOC值必須可以在電池工作過程中準(zhǔn)確估算。在估算過程中不能存在累計(jì)誤差，即使在初始條件存在誤差的情況下，也要能夠收斂到真實(shí)值，否則估算的SOC值存在誤差[[][]田曉輝.鋰離子電池SOC預(yù)測方法應(yīng)用研究[D].河南科技大學(xué),2009.近幾年，國內(nèi)外的學(xué)者和專家們也在研究電池SOC估計(jì)的適合方法。而國內(nèi)學(xué)者梁嘉寧[[]梁嘉寧,譚霽宬,孫天夫,等.基于容積卡爾曼濾波算法估計(jì)動(dòng)力鋰電池荷電狀態(tài)[J].集成技術(shù),2018,7(06):33-40.]等人運(yùn)用了容積卡爾曼濾波算法，通過建立的基于數(shù)字信號處理器的充放電實(shí)驗(yàn)平臺，使用三階容積法則的數(shù)值積分的方法實(shí)現(xiàn)了穩(wěn)定的SOC估計(jì)，然而該實(shí)驗(yàn)限制條件較多，有一定局限性，無法被用于很多鋰離子電池的SOC估計(jì)。韋振漢[[]韋振漢,宋樹祥,夏海英.基于隨機(jī)森林的鋰離子電池荷電狀態(tài)估算[[]梁嘉寧,譚霽宬,孫天夫,等.基于容積卡爾曼濾波算法估計(jì)動(dòng)力鋰電池荷電狀態(tài)[J].集成技術(shù),2018,7(06):33-40.[]韋振漢,宋樹祥,夏海英.基于隨機(jī)森林的鋰離子電池荷電狀態(tài)估算[J].廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2018,36(04):27-33.[]夏飛,王志成,郝碩濤等.基于改進(jìn)擴(kuò)展卡爾曼粒子濾波算法的鋰電池SOC估計(jì)[J/OL].系統(tǒng)仿真學(xué)報(bào):1-11.國外研究人員L.Gold[[]GoldL.,BachT.,VirsikW.,etal.Probinglithium-ionbatteries'state-of-chargeusingultrasonictransmission-Conceptandlaboratorytesting[J].JournalofPowerSources,2017,343(7):536-544.]等人提出了一種不需要對鋰離子電池進(jìn)行建模，而是利用超聲波檢測的原理來確定鋰離子電池SOC的辦法。L.Gold的研究給鋰離子電池SOC估計(jì)方法打開了一道新的大門。美國的L.P.Gregory[[]GoldL.,BachT.,VirsikW.,etal.Probinglithium-ionbatteries'state-of-chargeusingultrasonictransmission-Conceptandlaboratorytesting[J].JournalofPowerSources,2017,343(7):536-544.[] GregoryL.P.ExtendedKalmanfilteringforbatterymanagementsystemsofLiPB-basedHEVbatterypacks:Part3.Stateandparameterestimation[J].JournalofPowerSources,2004,134(2):277–292.目前，國內(nèi)外學(xué)者專家們在研究SOC問題上經(jīng)常使用的辦法有以下幾種：放電實(shí)驗(yàn)法、開路電壓法、安時(shí)積分法、內(nèi)阻測量法、負(fù)載電壓法、卡爾曼濾波法以及神經(jīng)網(wǎng)絡(luò)法等[[][]于洋.電動(dòng)汽車用動(dòng)力鋰電池荷電狀態(tài)估算研究[D].華北電力大學(xué),2014.1、放電實(shí)驗(yàn)法的長處在于方法簡單，估計(jì)準(zhǔn)確程度較高。同時(shí)也存在缺點(diǎn)，不能帶負(fù)荷測量，測量使用時(shí)間較長，只有放電結(jié)束后才可以進(jìn)行估算，不能進(jìn)行SOC的實(shí)時(shí)估計(jì)。并且在測試過程時(shí)，必須保證電池不進(jìn)行任何工作。放電實(shí)驗(yàn)法無法用于運(yùn)動(dòng)中的汽車，但可以被用來檢修電池故障和確定電池的參數(shù)模型。2、開路電壓法的長處在于實(shí)驗(yàn)操作過程中簡便，因?yàn)橹恍枰獪y量開路電壓然后根據(jù)對應(yīng)的特征曲線就可以得到SOC值[[][]費(fèi)陳.鋰離子電池荷電及健康狀態(tài)預(yù)測方法研究[D].廣西師范大學(xué),2020.3、安時(shí)積分法的長處在于是被電池自身?xiàng)l件影響小，并且計(jì)算準(zhǔn)確，并且可以實(shí)時(shí)估算電池荷電狀態(tài)[[][]李國康,段玲玲,王幼蘭.電動(dòng)汽車鋰電池SOC預(yù)測方法研究[J].沈陽理工大學(xué)學(xué)報(bào),2011,30(02):5-7+19.4、內(nèi)阻測量過程中也可能出現(xiàn)誤差，在內(nèi)阻測量的過程中，有可能會(huì)出現(xiàn)一系列影響SOC估計(jì)的因素。例如，測量內(nèi)阻時(shí)因內(nèi)阻過小導(dǎo)致讀數(shù)不準(zhǔn)確；測量電路的電流時(shí)，此時(shí)電流異常過大的現(xiàn)象；電路運(yùn)行過程中，會(huì)不可避免的產(chǎn)生熱量，導(dǎo)致溫度升高，從而導(dǎo)致溫度檢測出現(xiàn)偏差等現(xiàn)象。這幾種測量時(shí)有可能發(fā)生的現(xiàn)象使得SOC的估計(jì)值出現(xiàn)偏差，產(chǎn)生的誤差較大。因此，這使得內(nèi)阻測量法的精度不高，而且在不同電流頻率下交流阻抗不同。而且電動(dòng)汽車的車載電池不可能在一定的固定的交流頻率下工作。由此可知，電動(dòng)汽車SOC估算的要求無法被內(nèi)阻測量法所滿足。5、負(fù)載電壓法的長處是可以在恒定電流狀態(tài)下實(shí)時(shí)估計(jì)SOC值[[]賈海峰.電動(dòng)汽車鋰電池荷電狀態(tài)估計(jì)方法研究[D].上海工程技術(shù)大學(xué),2020.]。其缺點(diǎn)是在真正的實(shí)踐中，放電的電流是一直不斷變化的，從而導(dǎo)致負(fù)載電壓也在不斷地變化，實(shí)現(xiàn)負(fù)載電壓法的條件沒有辦法得到。因此，[]賈海峰.電動(dòng)汽車鋰電池荷電狀態(tài)估計(jì)方法研究[D].上海工程技術(shù)大學(xué),2020.6、神經(jīng)網(wǎng)絡(luò)法的優(yōu)點(diǎn)是這種方法不必要考慮鋰離子電池的內(nèi)部的復(fù)雜的電化學(xué)反應(yīng)，而是通過這種方法的樣本數(shù)據(jù)的數(shù)量越多，對SOC的估算便越準(zhǔn)確，而且適用性范圍很大。但其缺點(diǎn)還在于，使用該類方法需要太多的樣本數(shù)據(jù)，并且其中每個(gè)數(shù)據(jù)容易對SOC估計(jì)產(chǎn)生很大影響，從而導(dǎo)致最終結(jié)果誤差。7、卡爾曼濾波被稱為是最優(yōu)的濾波，其可以預(yù)測系統(tǒng)不能直接觀察到的狀態(tài)。狀態(tài)方程被用來描述整個(gè)電池系統(tǒng)在狀態(tài)變化過程中的變化的方向，系統(tǒng)的狀態(tài)隨時(shí)間變化一直在更新。系統(tǒng)的觀測方程可以用來修正更新后的狀態(tài)變量，從而達(dá)到一個(gè)最優(yōu)的估計(jì)過程。最優(yōu)估計(jì)是卡爾曼濾波算法的關(guān)鍵部分，該算法根據(jù)預(yù)測估計(jì)來使用系統(tǒng)輸入來校正狀態(tài)變量。即最優(yōu)估計(jì)等于預(yù)測估計(jì)和修正的總和。盡管安培積分法以及開路電壓法都可以用來進(jìn)行電池SOC的估計(jì)，但它們都是存在一定的缺陷。在安時(shí)積分法被用于進(jìn)行SOC估算時(shí)，會(huì)存在著誤差累積導(dǎo)致估計(jì)精度降低的問題。開路電壓法需要將電池與外部電路隔離，并且需要大量時(shí)間才能使電池保持靜置穩(wěn)定狀態(tài)，無法很好地完成對SOC的實(shí)時(shí)預(yù)測。而放電實(shí)驗(yàn)法的缺點(diǎn)是無法帶電進(jìn)行估計(jì)。因而，為使得最終估算出的SOC結(jié)果更加的準(zhǔn)確且誤差范圍更小，所以將卡爾曼濾波算法引入到電池SOC估計(jì)中。與上述幾種方法不同的是，卡爾曼濾波算法是一種閉環(huán)估計(jì)方法，它可以將在對SOC計(jì)算過程中引起的累計(jì)誤差進(jìn)行修正，因此經(jīng)常被應(yīng)用于電池SOC估計(jì)。普通的卡爾曼濾波算法只能用于求解線性問題，而電池組是一個(gè)非線性系統(tǒng)[[]朱敏.基于電動(dòng)車電池組SOC估計(jì)方法的研究[D].河南師范大學(xué),2014.]。所以，就上述而言，本篇文章選用擴(kuò)展卡爾曼濾波算法來進(jìn)行對鋰離子電池SO