进入80年代以来，随着新一轮科技革命的爆发，进一步推动了全球经济的快速发展，使得人类赖以生存的环境问题越来越突出。近些年来，在环球领域内，地区性的环境污染和大面积的生态毁坏接连发生，臭氧层毁坏、环球天气变暖、酸雨、地皮戈壁化、丛林锐减、泥土流失等大规模和环球性的环境危机，严重影响了地球物种的生存与进步。为此，需要环球共同应对才能缓解这个危机，因此全人类在科技、经济、政治等方面形成了普遍而又深入的互动关系，并成立了一个伟大的国际环境条约体系，共同应对环境危机。除了严重的环境问题外，在全球范围内，化石能源正以极快的速度大量消耗着，假以时日，全球的化石能源将无法支撑人类不到数百年的生存消耗。这样的情况假如持续下去将必然会对我们子孙后代的生存与进步引起严重影响。我们人类要想在地球上继续生存，节能意识就需要在全球范围内进行推广，这件事情迫不及待。但是，燃油汽车仍然主导着现代车辆市场，其排放的废气是造成全球环境恶化的主要原因之一。因此为了缓解这个问题，电动车重新被提上了日程。加上国家“973 计划”、“863 计划”以及“国家自然科学基金”都对新能源汽车项目的研发投入了大量的资金支持，中央及地方政府也提供了大量的优惠政策支持。除此之外，众多高校，科研院所以及很多企业相继对新能源汽车技术的研发投入了大量的资源，新能源产业具有很大的发展前景。在现今电动汽车应用中，其中最关键的技术便是能量的存储与产生技术，也就是电池技术。而锂离子电池具有循环寿命高、能量密度大、质量较轻、不具有记忆功能以及自放电率低等优点，使他成为了最佳存储能源的选择。因此为了保障锂离子电池安全、可靠、高效的运作，就需要精确估计电池的工作状态，并准确建立电池管理系统。荷电状态（State of Charge: SOC）的定义是电池剩余电量与其额定容量之比。其中锂离子电池的荷电状态(SOC)直接反映剩余电量的多少，对于由动力电池组供电的系统来说，尤其是电动汽车，准确地估算电池的SOC值以及合理使用电池电能的情况下，能够大大地提高电动汽车的续航里程。此外，动力电池在实际工作中，需要对其进行大电流充电，这样就很容易导致电池过充；在电动汽车的行驶过程中，动力电池是持续性放电的，这样就容易导致其产生过放现象。此时准确地估算电池的SOC对动力电池的维护以及调节有着重大指导意义，对于避免因电池过充和过放现象对电池造成的不可逆性破坏有着重要意义，此外还可以增大其循环利用寿命，从而节省了其使用成本。

目前，国内外对锂离子电池SOC的估计方法主要包括如下几种：

（1）开路电压法：当电池处于长久断电放置时，其内部的反应基本稳定，这时，就其数值上而言，电池的开路电压与其电动势基本一样；而从理论上分析，电池 SOC与其电动势是有一定对应关系，相应的，其SOC与长久静置的开路电压也有相应关系。开路电压法正是基于此对应函数关系，经过检测开路电压值进而得到其 SOC 值。但是，在测量需要对电池进行长久静置处理，只能在非工作状态下完成，并不能完成SOC的在线估计。

（2）安时积分法：此方法不具体分析电池内部十分繁琐的化学反应过程及其内部各参数间的联系，而比较深入地研究其系统的外部性质。在已知初值的情况下，对电流进行积分处理。但是由于电池存在自放电现象以及电池容量的衰减等，使得电池SOC的初始值往往不能准确得到，加上电流检测时产生的累计误差，都会加大最后结果的误差。

（3）电化学阻抗谱法：给电化学系统施加一个频率不同的小振幅的交流电势波，测量交流电与电信号的比值（即为系统的阻抗）随正弦波频率的变化，通过交流阻抗谱寻找锂离子电池的欧姆-极化内阻与SOC的关系。但这种方法稳定性差，检测过程复杂，同时需要运行时间长，在实时监测中应用较少。

（4）卡尔曼滤波法：在电池系统中，卡尔曼滤波法需要对电池系统进行建模，得到状态空间模型，再使用相应算法估算电池荷电状态。这种算法估算精度高，抗噪声干扰能力强。但该算法对模型精度要求较高，不适合非线性系统。

（5）扩展卡尔曼算法：先通过对非线性系统做线性化处理，再利用卡尔曼滤波完成对模型的估计。但计算过程中由于方差矩阵的非正定性，会导致估计值发散。

（6）粒子滤波法：该方法适用于非高斯分布的非线性系统且对系统维度不敏感[。粒子滤波算法利用由科特罗素方法取样的一系列加权粒子来近似系统的后验分布，不需要任何对分布形式的特殊要求。粒子滤波算法适合用于非线性复杂模型的状态估计，能较精确地表达观测量与控制量的后验概率分布问题。

2. 研究的基本内容与方案

本论文研究的内容包括：

（1）研究锂离子电池的工作原理及特点，了解电荷荷电状态的定义以及锂离子电池SOC估计的发展历史、现状和趋势，并讨论目前国内外荷电状态的估计方法。主要包括开路电压法、安时积分法、电化学阻抗谱法、卡尔曼滤波法等。