在全球能源危机及环保问题日益严峻的今天,以电动汽车为代表的新能源汽车已成为发展趋势。同时,电池储能也因响应迅速、选址灵活、功率密度高等特点成为电网储能重点研究方向,在削峰填谷、辅助调频等领域有着光明应用前景。电池是电网储能应用和电动汽车动力源的关键部件,其安全高效运行显著依赖精准状态估计。荷电状态(State of Charge,SOC)在诸多状态中最为重要而广受重视,其估算方法也逐渐从简单的安时积分法、开路电压法等过渡到以卡尔曼滤波(Kalman Filter,KF)算法为代表的基于动态系统状态空间模型的状态估计方法。在多种KF变体中,扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法是锂电池SOC在线估算研究的两种主要方法。特别是采用不敏变换(Unscented Transform,UT)的UKF算法在估算精度及计算量方面都有进一步改进,是最具前景的SOC估算方法之一。本文主要以动力电池和电网储能所用的锂离子电池为研究对象,通过充放电实验总结其运行特性,并构建其等值电路模型,进而对基于EKF算法和UKF算法的SOC估算方法进行系统的性能对比分析和算例验证,力求找出切合不同电池特性与运行工况的SOC估算方法,进而为不同应用及运行工况下SOC估算方法的选择和效果评价提供参考。具体研究工作主要包括:首先,以磷酸铁锂电芯和三元锂离子电芯为实验对象,基于电池充放电测试平台开展不同倍率及温度条件下的充放电测试,根据实验结果总结两类电池的容量特性、倍率特性、温度特性和电压特性;设计开展室温条件下的HPPC试验,在不同SOC点使用充放电脉冲激发电池电压响应动态,基于实验结果识别电池等值电路参数;以电动汽车行驶工况和储能应用工况为典型场景,设计各场景工况数据到电芯充放电电流数据的转换方法,并基于充放电平台开展工况实验,验证所提转换方法的有效性,为典型应用工况下SOC估算方法对比提供基础数据。其次,总结了适应非线性系统状态估计需求的EKF和UKF数学理论,以及基于EKF算法和UKF算法的SOC估算方法实现流程;以二阶RC等值电路为锂离子电池动态模型,在MATLAB环境下编写基于该动态模型的EKF和UKF算法,完成电池SOC在线估算;以HPPC实验数据和应用工况数据为输入,测试对比不同运行条件下EKF算法和UKF算法估算电池SOC的收敛速度和稳态精度,评估基于EKF和UKF的SOC估算方法对电池类型和运行工况的适应性。分析表明:三元锂离子电池开路电压等参数线性度较好,基于EKF和UKF的SOC估算效果均较好;磷酸铁锂电芯非线性特征更强,基于UKF的SOC估算精度及误差收敛速度明显好于基于EKF的SOC估算,该差异在电动汽车行驶工况及储能工况下更加显著。最后,鉴于UKF算法性能更加优越,进一步详细总结了 UKF算法的核心模块——UT变换的主流实现方法,详细介绍了对称采样、最小偏度单形采样、超球体单形采样和比例修正采样四种采样策略下的Sigma点集生成方法以及其优缺点;对比不同UT变换方法下基于UKF算法的SOC估算在收敛速度、精度及计算速度等方面的性能差异,在MATLAB环境下编程实现采用不同UT变换的UKF算法,并以HPPC实验数据和应用工况数据验证理论分析结果。分析表明:UKF估算SOC精度高于EKF,初始误差收敛快,特别是在非线性显著的磷酸铁锂电池及SOC处于端部的情况下表现更加明显;与对称采样策略相比,单形采样策略很大程度上减少了计算量,且超球体单形采样数值稳定性更好;比例对称采样受比例因子α取值影响,效果改善不明显,且计算量有所增加,在SOC估算中的效果有待进一步考察。随着电池储能应用场景的扩展,储能电池可能会出现更多工况,而同一应用场景也可能出现多种模式。本文主要考虑了电动汽车行驶工况和电网储能应用中的波动平滑工况,开展相关试验和性能评估方法的研究;下一步可在此基础上,在更大范围内对比基于不同卡尔曼滤波器变体的SOC估算方法效果,为实际应用中SOC估算方法选用提供更加完整的支撑。