在电动轿车范畴，电池的荷电状况（State of Charge, SOC）是一个至关重要的参数，直接影响着电动轿车的续航才能和功能体现。因而，精确地估量电池的SOC关于完成电动轿车的高效运转至关重要。进步参数辨识和SOC算法的精度是进步SOC估量的要害，桂林电子科技大学智能化电器与电力电子研讨团队经过优化模型参数辨认和SOC估量办法，提出了依据联合参数辨识的粒子群优化扩展粒子滤波的荷电状况估量办法，并验证了算法的有用性与习惯性。

  跟着燃油车对环境污染的加重，电动轿车因其低噪声、低排放、动力功率高级特色越来越成为路途的首要交通工具之一。现在，电动轿车的储能设备还是以锂离子电池为主，研讨锂电池的荷电状况能大大的进步车辆续航才能，然后推进电动轿车的遍及和可持续开展。

  电池参数辨识和SOC估量是电池办理体系中至关重要的两个方面。电池参数辨识旨在精确辨认电池等效电路模型中的参数，然后为SOC估量供给更牢靠的根底。粒子滤波算法在SOC范畴被大范围的使用，可以有用处理非线性体系和非高斯噪声。

  锂电池具有较强的非线性特性，模型参数会跟着SOC的改变而改变，特别是在低SOC区域参数改变较大，会导致SOC算法呈现较大的估量差错；一起，选用粒子滤波算法进行SOC估量时，存在的粒子退化会影响SOC的估量精度。进步参数辨识和SOC的估量精度，有助于改善电池办理体系的规划和操控战略，进步电池的功能和循环寿数，因而，研讨参数辨识和SOC估量办法具有极端严重的理论和使用含义。

  本文规划了以FFRLS和PSO联合参数辨识为根底的改善粒子滤波的SOC评价算法。首要树立了二阶等效电路模型，联合FFRLS和PSO进行模型参数的辨识，然后以辨识的参数为根底，经过EKF对粒子进行更新并将终究得到的近似后验概率作为PF的重要密度函数，去战胜粒子退化，一起引进粒子群算法优化重采样战略来缓解粒子贫化。流程图如图1所示。

  树立电池等效电路模型，并经过HPPC试验获取OCV-SOC拟合曲线，选用FFRLS对模型进行参数辨识，FFRLS在参数辨识的一起记载前史电压为粒子群在后期进行参数辨识积累了练习所需的数据，当选用粒子群进行参数辨识时，以最小压差树立习惯度函来求取模型参数。联合参数辨识成果如下图2所示。

  扩展粒子滤波在状况猜测阶段选用EKF来更新采样粒子，使得这些采样粒子能更好的挨近实在的散布。将EPF算法的输出作为粒子群算法的输入，经过核算粒子的习惯度值，依据习惯度值，更新粒子个别和大局最优值，终究经过移动粒子向最优粒子接近，取得最优估量值。下图是两种工况的算法验证。

  图3 FUDS 25℃工况下不同算法猜测曲线℃工况下不同算法猜测差错曲线℃工况下不同算法猜测曲线℃工况下不同算法猜测差错曲线

  以上两种工况的成果为，依据FFRLS参数辨识的PSO-PF比PF精度有所进步，而依据联合参数辨识的PSO-PF比依据FFRLS的PSO-PF精确度有进步，选用联合参数辨识办法的PSO-EPF比PSO-PF作用更优，验证了所提办法的有用性。

  本文提出了一种依据联合参数辨识的粒子群优化扩展粒子滤波SOC估量办法。所提联合参数辨识办法发挥了两种参数辨识办法的优势，相较于为了更好的进步精度，把A工况的离线辨识的成果用到B工况进行在线估量的办法，联合参数辨识办法只需在一种工况即可进行。所提PSO-EPF使用EKF生成PF的重要性密度函数来战胜粒子退化，一起选用PSO算法缓解粒子贫化，成果显现该办法具有较高的估量精度，展示出了较强的鲁棒性和泛化才能。

  研讨人员隶属于智能化电器与电力电子研讨所。团队担任人为范兴明教授，团队深耕智能电器与电工新技能、智能电网、新动力发电与使用、电力电子与电气操控等范畴的理论及使用技能讨论研讨。团队依托和交融校园在机械、操控、电子等方面的学科优势，在高压智能电器和电力体系自动化范畴具有较大影响力。团队安身服务当地，与区域经济开展相结合，推进智能化电器配备和电力体系技能和工业开展。

  首要从事高压电器在线监测与故障诊断，新动力轿车电池体系参数评价与猜测、能量办理、轿车电气绝缘与安全防护，无线电能传输及使用等方向的研讨。

  团队掌管和参加主研国家自然科学基金项目各2项、掌管广西科技开发要点项目、广西干亿元工业科技攻关项目、广西教育厅、要点试验室项目7项，宣布学术论文80余篇，其间SC1、EI录入32篇，授权发明专利12件、实用新型专利35件，软件著作权挂号10项。

  教授，博士生导师，研讨方向为智能化电器与高电压新技能、新动力轿车电池体系参数猜测与评价等。贠祥

  博士研讨生，智能化电器、动力电池状况评价及猜测、数据驱动与模型交融算法等。

  王超博士研讨生，研讨方向为新动力轿车电池体系参数猜测与评价、电池热办理、机器学习等。