摘要: 锂电池作为“双碳”政策的主要组成部分，大力发展其行业已经势不可挡，然而高精度估计锂电池的SOC与SOH却是电池管理系统中所面临的重点与难点。随着科学技术的发展，深入探索锂电池的建模和状态估计技术，将为我们提供一种更加高效的管理方式，从而确... 展开 锂电池作为“双碳”政策的主要组成部分，大力发展其行业已经势不可挡，然而高精度估计锂电池的SOC与SOH却是电池管理系统中所面临的重点与难点。随着科学技术的发展，深入探索锂电池的建模和状态估计技术，将为我们提供一种更加高效的管理方式，从而确保锂电池运行的安全性与可靠性。针对锂电池的SOC与SOH估计精度深受电池建模的方式与电池状态估计方法的影响，因此，本文围绕锂电池的建模、参数辨识、状态估计展开研究。主要研究内容： （1）为了减小锂电池模型的端电压误差，提高锂电池状态估计精度，在二阶RC整数阶模型的基础上，通过引入分数阶理论将理想电容器替换为分数阶电容，从而搭建了锂电池的二阶RC分数阶模型，有效的平衡了模型精度与模型复杂度之间的矛盾，并采用G-L定义对分数阶模型进行离散化，为锂电池模型参数辨识与状态联合估计奠定了基础。 （2）针对传统算法在进行锂电池模型参数辨识时容易陷入局部最优解的问题，将自适应遗传算法(AGA)与粒子群算法(PSO)相结合，提出了一种基于自适应遗传粒子群优化算法（AGA-PSO）的锂电池分数阶模型参数辨识方法，该方法将PSO算法所得的模型参数全局最优邻域解放到AGA算法进行遗传操作，进而得到锂电池模型参数的全局最优解。 （3）基于建立的锂电池分数阶模型，提出了一种基于施密特正交变换的无迹粒子滤波算法（FOSOUPF）的SOC-SOH状态联合估计方法。该方法以无迹粒子滤波算法为基础，在采样过程中结合施密特正交变换的思想，降低了无迹粒子滤波的采样点数量，可以有效的解决无迹粒子滤波算法中存在的问题，为无迹粒子滤波算法的应用提供了一种新的思路。 在Matlab/Simulink环境中构建了锂电池分数阶模型并对所提算法进行了仿真验证。仿真结果表明：锂电池分数阶模型较整数阶模型具有更高的精度；AGA-PSO算法进行参数辨识的时间短，鲁棒性高，在不同电池工况下辨识的结果依旧保持精度高的特点；采用FOSOUPF算法对锂电池的状态进行联合估计的精度更高，鲁棒性更好，并降低了算法计算复杂性。通过上述研究取得的成果为锂电池建模及状态估计提供了新的思路，有效地解决了常规模型精度低，状态估计误差大等问题。 收起