蓄電池作為應急供電電源，被廣泛應用於動車組輔助供電系統中，電池的荷電狀態可以反映充放電過程中電池的剩餘電量，是動車組電池管理系統的重要引數。準確估計電池荷電狀態，可以有效提高電池的使用效率及使用壽命。但是電池內部的化學反應複雜且難以測量，目前的電池荷電狀態大多隻能透過間接測量計算的方法得到。
對此，北京交通大學電氣工程學院、交通部水運科學研究院的研究人員郝文美、張立偉 等，在2021年《電工技術學報》增刊1上撰文，以中國標準動車組鈦酸鋰電池作為研究物件，透過電池工況實驗對比辨識精度，提出自適應卡爾曼濾波方法對電池荷電狀態進行估計，並在Matlab中針對動車組鋰電池實際應用工況，驗證了其估計電池荷電狀態的準確性。
隨著化石能源的不斷枯竭，蓄電池作為新能源行業的重要研究目標，受到很多研究人員青睞，其中，鋰離子電池以能量高、儲能效率高和壽命長的優點被廣泛應用於軌道列車中，作為應急供電電源為直流負載提供能量。考慮到實際動車組經常需要在惡劣環境條件下執行，且動車組電池可能需要以大倍率充放電電流進行操作，因此，功率特性高、工作溫度範圍更廣的鈦酸鋰電池成為動車組蓄電池的首選。
動車組電池存在成本高、更換流程複雜、安全性要求嚴苛等問題，因此，監控電池工作狀態、提高電池壽命、保證電池可靠充電，具有重要研究意義。電池的荷電狀態（State of Charge, SOC）是衡量電池剩餘電量的重要標準，準確估計電池SOC能夠精確反映電池內部的狀態，但是電池SOC無法直接測量得到，需要根據已有資料進行估算，其準確性難以讓人滿意，這影響了以鋰電池為基礎建立的電池管理系統的準確性，為提高電池工作效率、工作壽命留下了難題。
目前常用的電池SOC估計方法分為三種：基於電池可測量引數實現的電池SOC估計方法、基於機器學習的電池SOC估計方法和基於電池模型及觀測器實現的電池SOC估計方法。
基於電池可測量引數計算實現的SOC估計方法包括開路電壓法和安時積分法，這兩種方法能基本滿足電池SOC估計的準確性要求，並且計算量小、容易實現，但是由於實際電池工作環境的複雜，SOC估計過程中存在電流累積誤差和初始值誤差，容易出現估計結果偏差大的問題。
基於機器學習的電池SOC估計方法對大量的電池輸入輸出資料進行機器訓練，擬合電池SOC和輸入量之間的關係，從而得到較準確的電池SOC估計值，但是，機器學習方法需要大量的資料作為研究基礎，並且如果輸入的資料未能覆蓋所有工況，其準確性會下降。
基於電池模型及觀測器估計電池SOC的基本原理搭建電池等效模型，對電池特性進行模擬，在電池模型的基礎上總結電池SOC和模型引數之間的關係，實現電池SOC的預測，再根據觀測器測量得到的實際資料，對預測得到的電池SOC進行修正，減小估計誤差。目前常用的SOC估計方法包括PI觀測器估計法、滑模觀測器估計法和卡爾曼濾波器估計法。這種方法估計SOC的精度受模型準確性影響，因此，儘量提高模型精度是此類方法提高估計準確性的主要途徑。
綜上可知，基於電池模型及觀測器估計電池SOC的方法在工業上具有更好的實用價值，選擇搭建合適的電池模型並完成引數辨識，對於提高估計電池SOC的精度有很大影響。
高功率特性、高迴圈壽命、工作溫度範圍更廣的鈦酸鋰電池在動車組中備受青睞。北京交通大學的研究人員選擇中國標準動車組鈦酸鋰電池為研究物件，以鈦酸鋰離子電池為研究物件，搭建二階RC等效電路模型，採用擴充套件卡爾曼濾波法線上辨識模型引數，並在EKF估計電池SOC的基礎上，針對EKF方法噪聲方差固定這一缺點，提出了AEKF方法估計電池荷電狀態，並在Matlab軟體內透過程式設計驗證AEKF估計方法的準確性。
圖1 電池資料採集裝置
研究結果表明，AEKF方法可對系統噪聲進行實時修正，具有明顯的優越性，荷電狀態估計誤差在1%以內，具有較好的自適應性。並且，在實際初始狀態與方法設定初始狀態不同的情況下，AEKF估計電池荷電狀態能在50s實現估計電池SOC的快速收斂，精度更高。
另外，科研人員指出，本研究與實驗均基於動力電池理想狀態下進行，但在實際生產生活應用中，環境溫度及電池老化等對SOC估計均有明顯影響，且對於鈦酸鋰電池來說，其溫度工作範圍較廣，在較寬的溫度範圍下依舊能保持良好效能，此部分也將作為後續研究的重點方向。
以上研究成果發表在2021年《電工技術學報》增刊1，論文標題為“動車組鈦酸鋰電池荷電狀態估計”，作者為郝文美、張立偉 等。
