对于电池管理系统，锂电池荷电状态（SOC）和健康状态（SOH）是体现系统运行特性的关键状态变量。荷电状态定义为电池当前电荷量与最大容量之比，反映了电池当前电荷量的存储状态；健康状态通常由当前最大容量或内阻来定义，反映电池全生命周期尺度下的老化状态。

对锂电池荷电状态的准确估计，有助于提高电池能量利用率，防止过充电和过放电。锂电池健康状态的精确估计有利于系统及时做出预警，保证长期安全运行。

锂电池健康状态与荷电状态之间存在耦合关系，在采用容量定义健康状态时，随着健康状态降低，锂电池最大容量发生改变，若不对容量参数进行修正，将导致荷电状态估计结果产生偏差。

基于锂电池荷电状态和健康状态的耦合关系，省部共建电工装备可靠性与智能化国家重点实验室（河北工业大学）、国网冀北张家口风光储输新能源有限公司的赵靖英、胡劲等学者，设计了荷电状态和健康状态（SOC-SOH）联合估计系统。

图1 锂电池SOC-SOH联合估计系统框架

研究者首先构建锂电池等效电路模型和自适应扩展卡尔曼滤波算法，进行锂电池荷电状态估计；其次，建立锂电池分数阶模型，设计模糊控制器辨识分数阶模型参数，基于分数阶模型参数和电池充电工况确立健康因子，引入麻雀搜索算法改进反向传播神经网络，进行锂电池健康状态估计；然后，集成荷电状态与健康状态估计方法，设计联合估计系统。

图2 电池测试平台

他们对锂电池荷电状态估计与健康状态估计的相互影响关系进行分析，结果表明，基于所提出的荷电状态和健康状态联合估计系统，不同动态工况下，锂电池荷电状态估计最大误差均低于1%，不同实验电池的健康状态估计最大误差均低于1%，验证了该方法具有良好的精度和时效性。

本工作成果发表在2023年第17期《电工技术学报》，论文标题为“基于锂电池模型和分数阶理论的SOC-SOH联合估计”。本课题得到国家自然科学基金项目和天津市科技支撑计划重点项目的支持。