锂电池荷电状态估算Matlab仿真研究pdf,锂电池的剩余电量（soc）估算不仅可以作为电动汽车续航里程的参考值，而且可以为电动汽车的能量管理策略提供依据，具有重要意义。本文以法国SAFT公司生产的额定容量为6 AH，额定电压为10.68 V的锂离子电池包为研究对象，通过使用Matlab和Advisor等仿真软件，研究了福克斯电动汽车行驶在UDDS工况下，采用安时法和扩展卡尔曼滤波算法结合估算锂电池的剩余电量。仿真结果证明，该方法有效提高了锂电池的sOc估算精度，电池sOc估算误差在5%以内。涂

针对汽车锂电池的荷电状态（SOC）的问题，基于Thevenin电路为等效电路并且应用扩展卡尔曼算法(EKF)结合神经网络算法进行估计。在进行卡尔曼滤波算法估算过程中，需要用到实时的估算模型参数值（最新值），即在不同的SOC下模型的参数不同。传统做法是把SOC与各个参数的关系进行普通的拟合，这种方法在拟合过程中存在较大误差。为了解决这个问题，利用神经网络拟合各个电路模型参数与SOC关系曲线。试验结果表明，与单纯的扩展卡尔曼算法相比，该方法能够准确估计电池剩余电量，误差小于3%。