摘要： ＳＯＣ（ｓｔａｔｅｏｆｃｈａｒｇｅ）作为电动汽车能量管理、续驶里程估算、动力系统控制等功能的重要依据，其准确性至关重要，而模型参数的精确程度则是准确判定动力电池 ＳＯＣ的核心基础。传统的离线参数辨识使用固定的模型参数描述电池的性能及其响应，然而，在不同的放电倍率以及不同倍率持续时间等因素的影响下，电池内部的某些参数也会相应地发生变化，如果继续采用固定的模型参数，对电池状态的预测和估计就会出现较大的偏差。提出了一种自调节遗忘因子递推最小二乘法，在线辨识出电池模型的各项参数，将得到的模型参数导入扩展卡尔曼滤波算法中，用于实时估计电池的 ＳＯＣ。通过对比分析和验证，该方法在不同工况下 ＳＯＣ估计误差都能收敛在 １％以内，证明具有良好的模型参数辨识精度和鲁棒性，可以显著提高 ＳＯＣ的估算精度。

关键词: ＳＯＣ估计；最小二乘法；扩展卡尔曼滤波；参数辨识

中图分类号: 

• Ｕ４６