1.1目的及意义

随着能源的消耗加快以及环境的不断恶化，节能减排和可持续发展成为当前国际工业调整的新目标。而汽车工业作为直接能源消费者和环境污染的主要制造者，为了应对能源与环境的双重压力，发展新能源汽车势在必行。电动汽车作为新能源汽车的主力军，其核心技术就是电池技术。由于锂电池具有比能量高、安全性好、循环寿命长等优点, 是目前新能源电动汽车理想的动力源。锂电池在使用过程中的能量管理对其性能和寿命影响较大，为了充分发挥电池的动力性能，防止过充、过放影响电池的安全性和使用寿命，需要对电池的荷电状态(stateof charge，SOC)进行精确估算。电池荷电状态SOC描述电池剩余电量的数量，是电池管理系统中非常重要的参数。

锂电池本身是个复杂又封闭的电化学反应系统，有诸多因素影响SOC估算精度，其中估算算法本身对其影响尤为突出，因此提炼出一种准确有效的SOC估算算法，在理论上提高蓄电池的使用效率，对增加电动汽车续驶里程、延长使用寿命、降低运行成本，有着重要的意义。

本文综合分析比较几种常见锂电池SOC估算方法，最后基于NASA公开数据集和实际卫星锂离子电池状态监测数据，建立电池等效电路模型。在MATLAB中搭建电池模型，通过支持向量机（SVM）算法对SOC进行估算。

1.2国内外研究现状

目前电动汽车使用的动力电池SOC估算方法主要有：基于电流积分的安时计量法，基于电池端电压测量的开路电压法，基于电池等效电路模型的等效模型法，基于大量样本数据和神经网络的人工智能法，基于电池状态空间模型和递推方程的 Kalman 滤波方法，以及基于机器学习和统计理论的支持向量机算法等方法。

上海海事大学的骆秀江^[5]等人提出了一种基于 SVM 估算锂电池 SOC 的方法，试验结果表明该方法在对锂电池 SOC 估算切实可行，拓展了支持向量机方法的应用领域。但随着数据处理量的加大，速度就成了一个比较重要的问题。另外与其他学科的结合，产生新型支持向量机，这些模型并不完善，还需要在以后的研究中不停地完善。在建模过程中核函数和参数的选取太费时，尤其在实际环境中，怎样在线调整支持向量机和参数把 SVM 应用到建模中是很关键的技术。

昆明理工大学的全小红^[7]等人在支持向量机（SVM）的基础上，提出了使用LS-SVM法对微电网储能系统中使用的磷酸铁锂锂离子电池进行SOC估算。以试验所得的电压值、电流值以及１个工步内电压的改变量作为LS-SVM的输入，以SOC值作为输出，其预测数据与实际数据的最大误差约为６％，可见该估算方法的精度很高。从而有力地验证了该方法的可行性，为微电网储能用锂离子电池的SOC估算提供了理论指导及试验依据。

Sakind^[20]等人基于电化学阻抗谱通过建立Li/SO₂电池模糊推理模型进行其SOC估算。该方法精确度很高，误差幅度仅为其它方法的10%。而且只需少量的电化学参数就可加速阻抗谱测试和减少数据收集过程中的冗余，但是，实验设备的庞大和高花费限制了该方法的实际应用范围。

2. 研究的基本内容与方案

2.1基本内容