為了達成“碳達峰、碳中和”目標，電池儲能系統在可再生能源發電、智能電網技術和電動汽車方面得到了迅速發展。同時，為了提高能源效率和減少對化石燃料的依賴，整個電動汽車行業正在努力尋求實現全球運輸電氣化的解決方案。鋰離子電池作為推動交通電氣化的電池儲能系統之一，由于其高能量密度、長周期壽命和低自放電率等優點，已成為電動汽車中最廣泛使用的儲能部件。

然而，在復雜的運行工況中，鋰離子電池也面臨著老化、熱失控、機械濫用等一系列問題，這給其在電動汽車上的廣泛使用帶來極大挑戰。因此，十分有必要建立高級電池管理系統（BMS）對電池內部電化學狀態進行實時監控，以確保鋰離子電池在整個生命周期內能夠安全可靠的運行。

荷電狀態（State of Charge, SOC）作為電池剩余電量的直接表征，能夠促使BMS較為準確地確定瞬時峰值功率和健康狀態（State of Health, SOH），以便及時確保電池在安全范圍內運行。因此，準確的SOC估計在電動汽車BMS中起著關鍵性作用，成為廣大學者研究的重點。

迄今為止，國內外學者已對有關車用動力電池SOC的估計方法進行了大量報道。根據現有文獻可知，常用SOC估計方法主要分為安時積分法、開路電壓法、基于模型法和數據驅動法。其中，安時積分法依賴于準確的初始SOC值和高精度電流傳感器，開路電壓法則需要長時間的擱置以獲取準確的SOC估計，這使得二者都不適用于在線應用。

同時，隨著人工智能技術的發展，數據驅動的方法在電池SOC估計中得到了廣泛關注，比如有學者針對電池的數據需求提供了一些解決方案，但其因離線數據訓練而產生的計算成本仍是一個長期存在的問題。相比之下，基于模型的SOC估計是一種閉環控制，通過結合不同算法能夠實現良好的SOC估計。因此，越來越多的研究者將電池SOC估計的研究集中在基于模型的方法上，其估計性能取決于電池模型的選擇。

現有的電池模型主要包括等效電路模型和電化學模型。由于具有結構簡單、計算效率高以及辨識參數少等特點，基于等效電路模型的SOC估計方法已經在實車中得到很好的應用。然而，等效電路模型捕獲電池內部電化學狀態的能力有限，例如電極過電勢和電極表面濃度，它們對充電策略及功率預測至關重要，這使得基于等效電路模型的狀態估計方法在車用動力電池高級BMS應用中的不足日益凸顯。

相對而言，電化學模型能夠很好地解決這些問題，等效電路模型和電化學模型對比如圖1所示。同時，由于電池降階技術的發展，電化學模型在模型精度和計算效率之間基本實現了很好的平衡。因此，結合相關智能算法，基于電化學模型的SOC估計方法被認為是實現高級BMS應用的最佳選擇。

圖1 等效電路模型和電化學模型對比圖

近年來，大量研究人員從研究進展和發展趨勢等方面對電池SOC估計方法進行了全面回顧，這對基于模型法的SOC估計發展起到了很好的促進作用，意義重大。然而，現有的電池SOC 估計方法的綜述文獻大多集中在等效電路模型和數據驅動方法的討論上，鮮有學者對基于電化學模型的SOC估計及其性能進行系統評估和總結。電化學模型由于能夠實現耦合電化學機理的電池內部狀態估計，逐漸成為下一代高級BMS研究的重點。

電化學模型的開發與有效應用有助于提升高級BMS智能化發展進程，同時，準確的SOC估計是實現BMS其他功能的前提，需要對基于電化學模型的SOC估計算法進行了全面調查和評估。為此，西安理工大學機械與精密儀器工程學院的研究人員綜合現有國內外文獻，對車用電池電化學建模和其相對應的SOC估計方法等關鍵問題進行了全面探討，同時對不同SOC估計方法的局限性進行了系統分析。研究人員針對現有SOC估計研究現狀，分析了基于電化學模型的SOC估計所面臨的挑戰，同時對未來發展方向進行了詳細討論。

他們指出，隨著人們對電動汽車動力系統安全需求的提升以及模型降階技術的普及，電池電化學模型的發展越來越受到關注。同時，基于電化學模型的SOC估計方法優勢明顯，克服了等效電路模型受外界干擾性大，缺乏內部物理機理的缺點，可以有助于處理鋰離子電池過充、老化、熱失控等問題，在一定程度上推動了電動汽車實現智能化發展的進程。

然而，由于電池本身是一個復雜的電化學系統，致使基于電化學模型的SOC估計方法仍然存在諸多不足。如何利用有效的數學手段對電化學模型進行有效降階并融合多物理特性以實現高效率高精度的在線BMS應用；如何從控制角度出發，靈活處理電化學模型強非線性輸出特性以實現對估計算法中系統的可觀性及穩定性進行系統分析和證明；如何利用有限的實驗數據來驗證電化學模型對多種材料電池的適用性問題，都是基于電化學模型的SOC估計方法所面臨的嚴峻挑戰。

鑒于此，研究人員主要從三個方面對基于電化學模型的SOC估計的今后研究方向進行展望，并希望這些見解可以對未來基于電化學模型的SOC估計算法的改進做出貢獻。

1）降階MC模型的開發

基于模型的SOC估計準確性在一定程度上取決于模型精度，所以，仍然需要先進的電池電化學模型來模擬鋰離子電池在各種不確定性和系統干擾下的電化學行為，例如電池老化、熱失效、機械疲勞應力等，因此MC模型的開發需要進行深入研究。

現有MC模型大多基于全階復雜P2D模型，不適合高級BMS對模型仿真效率的需求。因此，如何基于現有降階技術，將電池老化、熱效應、機械應力等因素融入現有簡化電化學模型，同時保證精度和仿真效率，是以后基于電化學模型開發SOC估計的的前提和方向。

2）自適應參數識別/SOC/SOH的協同估計

目前，現有基于電化學模型的SOC估計方法大多停留在單一因素條件下的研究，忽略了模型參數、SOC與SOH之間的耦合關系。由于電化學模型的參數識別方法僅使用某些操作條件下的數據作為識別目標，沒有充分考慮多種工況下電池SOC變化及老化因素的影響。

因此，自適應參數識別方法對確定電化學模型的精度至關重要。同時，由于SOC估計精度和電池老化程度密切相關，SOH的定時更新在提高電池整個壽命周期內 SOC 估算的準確性方面起到重要作用。因此，如何在基于電化學模型的SOC估計中實現自適應參數識別及SOC/SOH的聯合估計，是后續基于電化學模型實現高效準確狀態估計的難點和機遇。

3）大數據融合下基于電化學模型的SOC估計

隨著車聯網與大數據技術的不斷發展，數據驅動方法在整車電池實時估計SOC的優勢突出，非常適合彌補基于模型方法的不足，即可以利用有效實時的電池工況運行數據，精確地捕獲計算密集度相對較低的電池復雜動態。雖然現有大量數據驅動方法已為基于電池等效電路模型的SOC估計取得了令人滿意的效果，但很少有基于數據驅動模型來跟蹤觀測鋰離子電池中不可測量電化學狀態的動態變化，例如表面SOC及電極過電勢。

因此，針對于電化學模型在大數據融合下的SOC估計方法需要進一步開發和研究，用于描述可測電壓、電流信號與不可測電化學狀態之間的復雜關系，這對一些具有重復路線及固定短距離運行的電動汽車高級BMS尤為重要，有助于提升基于電化學模型模型SOC估計的適用性。

研究人員最后表示，本課題旨在對已有車用鋰離子電池電化學建模技術及對應SOC估計算法進行總結，以期為廣大研究者提供參考，激勵產生更多創新性的基于電化學模型的SOC估計思路和方案，并最終促進電化學模型在先進BMS上的開發和應用。

本文編自2022年第7期《電工技術學報》，論文第一作者為武龍星，1988年生，西安理工大學機械與精密儀器工程學院博士研究生，研究方向為車用動力電池電化學機理建模及狀態估計。通訊作者為龐輝，1980年生，博士，西安理工大學機械與精密儀器工程學院副教授，研究方向為車輛動力學與控制理論、新能源車用動力電池/超級電池管理。本課題得到了國家自然科學基金的資助。