随着全球化石能源消耗加剧,不可再生能源价格节节攀升,新能源技术成为各国关注的焦点,新能源技术以其干净、清洁、可再生的优点取代化石能源成为未来发展的趋势。现阶段,国家大力推行新能源汽车政策,电动汽车销量节节攀升,锂离子动力电池作为电动汽车的重要组成部分,对电动汽车的整车性能具有重要影响。因锂离子动力电池的SOC(荷电状态)估算对锂离子动力电池的充电以及寿命都有重要影响,但是SOC估算精度不高,难以满足精确度要求;现阶段,锂离子动力电池的常用估算方法主要有安时积分法、放电实验法、开路电压法等,但是这些方法估算精确度不高,误差较大;文章采用扩展卡尔曼滤波算法进行SOC估算,并对该算法进行了改进,改进后的算法精确度更高,精确度提高了1%左右,能有效满足SOC的估算要求。文章在相关实验的基础上,采集大量的实验数据,对锂离子动力电池的电压特性、内阻特性、容量特性等进行分析,对锂离子动力电池的特性进行充分的研究。文章详细介绍了锂离子动力电池的电化学模型、神经网络模型、等效电路模型的各项优缺点,选取了等效电路模型作为锂离子动力电池的模型;在等效电路模型的基础上,详细分析了几种常见的锂离子动力电池模型,PNGV等效电路模型与其他几种模型相比,综合而言具有精度高,辨识参数少等优点。文章将PNGV等效电池模型进行改进,作为锂离子动力电池的模型。通过采用最小二乘法与粒子群优化算法分别进行参数辨识,将辨识结果进行仿真对比,结果表明最小二乘法精度更高,能够更加精确地反应锂离子动力电池的内部特性。文章通过建立改进的PNGV等效电路模型,采用扩展卡尔曼滤波算法(EKF)对锂离子动力电池进行SOC估算。扩展卡尔曼滤波算法对估算值进行不断地迭代更新,具有很高的稳定性,将扩展卡尔曼滤波算法与PNGV等效电路相结合,将仿真结果与实验数据进行对比分析,仿真表明,扩展卡尔曼滤波算法能精确的对锂离子动力电池的SOC进行估算,平均误差在3%以内。文章通过分析卡尔曼滤波算法在对SOC进行估算过程中的缺点,对扩展卡尔曼滤波算法进行改进,通过仿真对比表明,改进的扩展卡尔曼滤波算法的SOC估算更加准确,平均误差保持在2%以内。