摘要： 由于目前动力电池管理系统（battery management system，BMS）存在存储小、算力低等问题，仅依靠BMS估计出的容量误差会随电池荷电状态（state of charge，SOC）累计误差增大而逐渐增大。为实现动力电池寿命准确估计，提出了基于等效电路模型（equivalent circuit model，ECM）的动力电池容量估计方法。模型基于开路电压（open circuitvoltage，OCV）和SOC的关系，直接建立1阶RC模型和容量联系；通过粒子群优化算法（particle swarm optimization，PSO）寻优最小仿真端电压与实际端电压的均方根误差（root-mean-square error，RMSE），此时辨识结果为初步估计容量，结合多项式回归（polynomial curve fitting，PCF）控制卡尔曼滤波（kalman filter，KF）对辨识结果进行了优化。最后对云端实车与传统方法测得的容量进行对比验证，二者的RMSE小于3%且最大绝对误差小于2 Ah。与现有方法相比，该方法能够不单依赖BMS数据准确估计容量。同时，对于实车等复杂场景的应用做出了优化，可以实现实车场景下的容量精确估计。

关键词: 动力电池；云数据；电池寿命估计；等效电路模型；参数辨识

中图分类号: 

• TM912