安徽科技学院、安徽大学、桂林电子科技大学等多团队合作JEC综述 | 基于物理的电池SOC估计方法：最新进展和未来展望

荷电状态（SOC）的可靠预测是高级电池管理系统（BMS）的重要功能之一，对电动汽车的安全运行具有重要意义。到目前为止，基于经验模型和数据驱动的锂离子电池SOC估计方法已在各种文献中进行了全面的讨论和综述。近年来，基于机理的SOC估计由于能为动力电池的内部状态提供了新的物理解释，并成为高级BMS最有吸引力的候选者。然而，很少有学者对涉及物理机理的SOC估计的研究进展及未来展望进行综述和讨论。更重要的是，一些利用物理的等效电路模型（PECM）和物理信息神经网络（PINN）的新兴SOC估计方法也没有在当前的综述论文中得到总结和分析。 为此，本综述主要总结了基于物理的SOC算法在高级BMS中的应用潜力，深入探讨了锂离子电池物理SOC估算方法的研究进展及面临的挑战。该研究成果中的见解有望促进基于物理的高级BMS算法的发展和应用。

近期， 安徽科技学院/湖北文理学院武龙星博士（第一作者/通讯作者）联合安徽大学吕志强博士、桂林电子科技大学黄泽波博士等人 结合近十年来的研究文献，对现有电动汽车基于物理的SOC估计算法进行了总结。此外，还讨论了物理SOC估计方法的优点和局限性，分析了基于物理SOC估计的评价标准，并对当前物理SOC估计面临的挑战进行了分析。该研究综述通过查阅文献和比较方法发现，物理模型可以反映电池在各种工况下的内部反应，相应的SOC估计方法可以从电化学机理角度进一步防止动力电池过充和热失控的发生，这在一定程度上推动了电动汽车智能化发展的进程。更重要的是，一些新兴的利用PECM和PINN的方法可以进一步扩大物理SOC估计的应用范围，这为智能高级BMS的发展提供了新的思路。

该研究工作得到湖北文理学院纯电动汽车动力系统设计与测试湖北省重点实验室开放基金等项目支持 ，并以 “Physics-based battery SOC estimation methods: Recent advances and future perspectives” 为题发表在中国科技期刊卓越行动计划重点期刊 Journal of Energy Chemistry 上。

图1. 基于物理的SOC估计方法分类    

选择适当的评价标准可以定量评估所提出的物理SOC估计方法的准确性。 在开发基于物理SOC估计方法时，如何定量地评估该方法的有效性也是实际应用中需要考虑的关键因素之一。 然而，评价标准的选择尚未在现有的综述文献中得到彻底的审查和讨论。为此，本研究还对一系列基于物理的SOC估算的评价标准进行了总结和对比分析。

目前，在改进基于物理的电池SOC估计方法方面国内外学者已经进行了大量尝试，并取得了良好的估计效果。然而，动力电池是复杂的多耦合电化学系统，并且经常在恶劣的工作环境下使用，这使得基于物理的SOC估计仍然存在许多挑战。图2给出了目前该领域的一些亟待解决的问题和挑战，主要包括 （1）电化学系统的可观性问题；（2） 动力电池模组的物理SOC估计；（3）多尺度耦合及多状态联合估计；（4）大数据背景下的SOC估计；（5）高级传感技术在SOC估计中的应用。

图2 基于物理SOC估计的挑战

近年来基于物理的SOC估计在先进BMS中的发展越来越受到关注。本文主要总结了现有的电动汽车物理SOC估计算法。此外，还讨论了物理SOC估计方法的优点和局限性。结合所研究的未来前景，适当的基于物理的SOC估计可以在电池健康管理应用中创造更多可能性。 本研究综述将为广大电池状态估计研究者提供参考，并启发更多基于物理的SOC估计方法应用于电动汽车的高级BMS中。