随着电动汽车保有量在全球汽车市场中持续增加,动力电池成为当前研究的重点。电池荷电状态(State of Charge,SOC)的准确估算是电动汽车动力电池管理系统(Battery Management System,BMS)的关键技术之一,准确地进行SOC估计可提高动力电池利用率,同时对整车的控制决策及安全性具有重要意义。本文从动力电池工作特性入手,分析影响SOC估算精度的因素,在对动力电池进行建模及参数辨识的基础上,设计了一种基于扩展卡尔曼滤波的SOC估算方法,实现对剩余电量的估计。本文主要进行的研究工作如下:1.针对铅酸动力电池的内部结构,对其电化学反应原理、工作特性等方面进行了研究。针对铅酸动力电池的工作特性进行了试验,分析了动力电池在恒流放电及动态电流放电条件下的电压响应特性,得到动力电池在不同放电倍率条件下SOC与端电压的关系曲线、内阻特性和容量特性等。在分析电池工作特性的基础上,总结出影响SOC估算精度的主要因素。2.在分析各种动力电池模型基础上,根据动力电池的工作特性,建立了 Thevenin等效电路模型;推导参数的辨识计算公式,设计了电池脉冲放电实验,采用带遗忘因子的最小二乘法辨识电池模型参数·;最后利用MATLAB进行了仿真验证。仿真结果表明,该模型参数辨识精度高,能够准确地描述动力电池的工作特性。3.设计了以扩展卡尔曼滤波为基础,结合安时积分法和开路电压法的估算方法对SOC进行估计,并对观测误差和实时容量进行动态修正,进一步提高了估算精度。仿真结果表明,该算法具有良好的修正累计误差和初始误差能力,能准确地估计动力电池剩余电量。4.将数据采集模块、SOC估计模块和CAN总线通信模块集成到电池管理系统中,设计了上位机交互界面,利用可编程电子负载搭建试验平台,对SOC估算方法进行实验验证。实验结果表明,本文设计的SOC估算方法在电池管理系统中具有收敛迅速、鲁棒性好等优点,电池SOC估计误差小于6%,达到了设计要求。