３６/２０２３．０２基于自适应滑模观测器的荷电状态估算方法李洪达（中国石油工程建设有限公司华北分公司）摘要：锂电池荷电状态（ＳｔａｔｅｏｆＣｈａｒｇｅ，ＳＯＣ）的精确估算是电池管理系统的必要基础，但锂电池受充放电倍率大小、老化速度等影响，存在强非线性、时变性等特性，ＳＯＣ难以直接测量，只能结合海量电压和电流数据通过算法估算。本文提出一种自适应滑模观测器算法（ＡｔｔｉｔｕｄｅＳｌｉｄｉｎｇＭｏｄｅＯｂｓｅｒｖｅｒ，ＡＳＭＯ）对ＳＯＣ估算，通过梯度下降的算法实时更新滑模观测器矩阵增益，以提高算法的精度和鲁棒性。在测试工况下将拓展卡尔曼滤波算法、滑模观测器算法与改进算法比较，结果表明，相较于传统拓展卡尔曼滤波算法和滑模观测器算法，改进过的算法具有更高的精度和鲁棒性，误差可控制在１％以内，验证改进算法有效性。关键词：锂电池；荷电状态；自适应滑模观测器；拓展卡尔曼滤波器０引言随着国际能源局势剧烈变化和国内“双碳”目标迅猛推进，新能源电动汽车销量激增，新能源发电等技术遍地开花，在发电侧和用电侧都有不同程度的应用。其中，锂电池作为相对成熟的储能介质，是常见储能系统的重要组成部分，其凭借循环寿命长、能量密度高、环保无污染等优势，成为近几年来的研究热门［１］。电池荷电状态作为电池管理系统（ＢａｔｔｅｒｙＭａｎａｇｅｍｅｎｔＳｙｓｔｅｍ，ＢＭＳ）的一项极富重要意义的参数，是ＢＭＳ维持效率、稳定性和安全性等性能指标的基石，因此，更为精准的ＳＯＣ估算手段对电池管理系统而言，具有里程碑式的作用［２］。目前，ＳＯＣ主流估算方式可以大致分为三类：基于电池特性类、模型依赖类以及数据驱动类［３］。基于电池特性类的估算方法主要包括开路电压法和安时积分法，该类方法实现过程较为简单，很早就被应用于ＳＯＣ估算，对主控制器算力要求较低。其中，开路电压法是通过将电池包静置较长时间后获取开路电压，根据开路电压与该电池包ＳＯＣ的映射关系，获取当前时刻的ＳＯＣ数值，但该方法具备显著的缺陷，动力电池状态恢复工作到相对稳定长达数个小时，给数据观测带来过高的时间成本，同时，受到电池极化电压的影响，无法在储能系统运行过程中进行实时估算［４］。安时积分法是通过对电流采样数值积分，获取电池充放电容量，并依据电池总可用容量来计算ＳＯＣ，其估算的精确程度依赖于电流传感器采样精度，若传感器采样精度低，随着时间跨度的增加，积分法将使得...
