能源問題使得建立清潔可再生的新能源體系成為人類社會發(fā)展的必然選擇。中國是汽車消費和生產大國，正面臨著節(jié)能減排的重大挑戰(zhàn)¨。動力電池是制約電動汽車發(fā)展的關鍵，而磷酸鐵鋰(LiFe-PO)電池因其壽命長、安全性能好、成本低、無記憶性等特點成為電動汽車的理想動力源。

在電動汽車的發(fā)展過程中，動力電池荷電狀態(tài)(state-of-charge，SOC)是電池的一個重要參數(shù)，用來表示電池的剩余電量，是對動力電池的使用進行必要管理和控制的主要依據。同時SOC預測也是動力電池管理系統(tǒng)的主要功能之一，根據SOC來估計續(xù)駛里程，在電池充放電時依靠SOC做出相應的控制，防止動力電池因過充放電造成其本身損害甚至危險的發(fā)生。因此，如何準確預測SOC成為電動汽車發(fā)展的重要環(huán)節(jié)。

SOC估算方法

由于電池的SOC與很多因素相關(如溫度、極化效應、電池壽命等)，而且具有很強的非線性，若要提高SOC估算的精度，需要在測量方法、電池模型和估算算法等方面進行深入研究。國內外普遍采用的方法有：放電試驗法、安時法、開路電壓法、內阻法、卡爾曼濾波法、線性模型法和神經網絡法等。

SOC現(xiàn)有估算方法存在的缺陷

目前SOC估算有多種方法，但各種估算方法都存在某個方面的缺陷。

1)放電試驗法要求電池處于恒流放電狀態(tài)，而且需要花費大量測量時間；

2)安時法易受到電流測量精度的影響，在高溫或電流波動劇烈情況下精度很差；

3)開路電壓法進行電池SOC估計時，電池必須靜置較長時間以達到穩(wěn)定狀態(tài)，而且只適用于電池電流非劇烈變化狀態(tài)下的SOC估計，不能滿足在線檢測的要求；

4)內阻法需要精確測量電池的內阻，一般電池內阻在毫歐級，對測量儀器的要求非常高，難以在實際中加以應用；

5)卡爾曼濾波法是目前采用較多的一種估算方法，它對電池模型依賴性較強，要獲得準確的SOC，需要建立較為準確的電池模型，而電池模型的準確程度和復雜度是成正比的；

6)線性模型大致分為等效電路模型和簡化電化學模型。等效電路模型多采用較簡單的Thevein模型，而如果采用更為復雜的電路模型，模型參數(shù)的辨識和狀態(tài)方程的建立都將是很大的挑戰(zhàn)。由于模型的簡化，并不能充分反映電池的內部規(guī)律，會造成較大的估計誤差。

目前重慶郵電大學提出了新的解決辦法：針對動力電池荷電狀態(tài)(stateofcharge，SOC)的精確預測問題，他們提出了一種基于遺傳算法的徑向基函數(shù)(geneticalgorithm—radialbasisfunction，GA—RBF)神經網絡的磷酸鐵鋰電池SOC預測方法，它克服了網絡參數(shù)選擇的隨機性，具有更強的適應能力。通過仿真實驗，證明了該方法比傳統(tǒng)的徑向基函數(shù)(radialbasisfunction，RBF)神經網絡預測結果更加準確，運行更穩(wěn)定，滿足電池管理系統(tǒng)對磷酸鐵鋰(LiFePO)動力電池SOC預測的精度和實際使用的要求。