何忠霖，彭憶強(qiáng)，郭威,席林

(西華大學(xué)汽車(chē)與交通學(xué)院，四川成都 610039)

0 引言

隨著國(guó)家對(duì)環(huán)保的要求越來(lái)越嚴(yán)，督查力度愈來(lái)愈大，不少系統(tǒng)和設(shè)備開(kāi)始采用鋰離子電池作為能量的主要來(lái)源。鋰離子電池具有能量密度大、功率密度大、自發(fā)放電率低、無(wú)記憶效應(yīng)等優(yōu)點(diǎn)。荷電狀態(tài)(State of Charge， SOC)作為電池管理系統(tǒng)(Battery Management System， BMS)中均衡各單體電池的重要參數(shù)，在動(dòng)力電池的使用過(guò)程中，易受到內(nèi)外各種不確定因素的干擾，發(fā)生復(fù)雜電化學(xué)反應(yīng)的鋰離子電池又是典型的非線(xiàn)性系統(tǒng)。因此，如何利用電池可測(cè)參數(shù)數(shù)據(jù)，如電流、電壓、溫度、自放電率、循環(huán)充電次數(shù)等，通過(guò)適當(dāng)算法來(lái)實(shí)現(xiàn)當(dāng)前電池剩余電量準(zhǔn)確估算，一直以來(lái)是BMS的核心問(wèn)題和亟需解決的技術(shù)難點(diǎn)。為適應(yīng)需求，許多估算方法應(yīng)運(yùn)而生。文獻(xiàn)[1]中提出了安時(shí)積分法，并分析了安時(shí)積分法估算SOC存在的誤差及解決方案；文獻(xiàn)[2]中提出了開(kāi)路電壓法，并得到了開(kāi)路電壓法不適于SOC在線(xiàn)實(shí)時(shí)估算的結(jié)論；文獻(xiàn)[3]中提出了有效質(zhì)量法，通過(guò)測(cè)量電池電解液有效質(zhì)量估算SOC值，但該法只適用于能直接測(cè)量電解液質(zhì)量的鉛酸電池，對(duì)于純電動(dòng)汽車(chē)主要使用的鋰離子電池，并不具備使用價(jià)值?；诂F(xiàn)代控制理論而提出的SOC估計(jì)策略在近年來(lái)得到了長(zhǎng)足發(fā)展，其中主要的方法有卡爾曼濾波法、神經(jīng)網(wǎng)絡(luò)法、狀態(tài)觀測(cè)器法等[4]。其中，神經(jīng)網(wǎng)絡(luò)估算和模糊控制法由于難度大，還停留在計(jì)算機(jī)仿真研究階段，距離實(shí)際運(yùn)用還有不少路要走。

電池組電量一般是按照電池模組總電壓來(lái)進(jìn)行估算和矯正的，如果電池組的不一致性很大，將會(huì)使SOC估算精度誤差增大。具有代表性的是韓國(guó)亞洲大學(xué)和先進(jìn)工程研究院，研究人員在對(duì)鎳氫電池SOC估算過(guò)程中，提出了考慮自恢復(fù)效應(yīng)、自放電效應(yīng)及老化效應(yīng)對(duì)電池容量的影響[5]，并提出SOC計(jì)算公式：

SOC(%)=100%×(實(shí)際容量+自恢復(fù)效應(yīng)恢復(fù)電量-自放電效應(yīng)放電量-老化效應(yīng)損失電量+充電量-放電量)/額定容量

(1)

該公式考慮了伴隨電池使用導(dǎo)致的老化效應(yīng)，存放過(guò)程中的自放電效應(yīng)和充、放電結(jié)束時(shí)的自恢復(fù)效應(yīng)對(duì)電池電量的影響，計(jì)算所得SOC精度相對(duì)較高。

對(duì)于電動(dòng)汽車(chē)，SOC估算準(zhǔn)確與否在很大程度上取決于電池本身壽命長(zhǎng)短。同時(shí)，SOC也作為電池最基本信息之一提供給駕駛者。因此，SOC估算是BMS中的重點(diǎn)和難點(diǎn)。

為適應(yīng)鋰電池復(fù)雜電反應(yīng)機(jī)制，本文作者在卡爾曼濾波的基礎(chǔ)上，通過(guò)將擴(kuò)展卡爾曼濾波(EKF，Extended Kalman Filter)和復(fù)合電池模型結(jié)合，搭建了基于EKF原理下SOC估算的仿真模型。文中的創(chuàng)新點(diǎn)在于考慮到復(fù)合電池模型的輸入?yún)?shù)為充、放電電流和電池溫度，添加了與電池溫度有關(guān)的容量校正模型和與庫(kù)侖效率有關(guān)的電流效率模型，實(shí)現(xiàn)對(duì)SOC估算的校正，增加模型估算精度。

1 擴(kuò)展卡爾曼濾波

1960年卡爾曼在時(shí)域狀態(tài)空間理論基礎(chǔ)上提出了卡爾曼濾波，隨著計(jì)算機(jī)系統(tǒng)的發(fā)展，卡爾曼濾波逐漸應(yīng)用到控制系統(tǒng)的各個(gè)領(lǐng)域。在卡爾曼濾波中，狀態(tài)方程表示相鄰時(shí)刻狀態(tài)變量的變化規(guī)律，輸出方程對(duì)部分或全部狀態(tài)變量進(jìn)行觀測(cè)，從而實(shí)現(xiàn)系統(tǒng)狀態(tài)變量的最優(yōu)估計(jì)，即由初始化、估測(cè)估計(jì)及最優(yōu)估計(jì)三部分構(gòu)成。

標(biāo)準(zhǔn)卡爾曼濾波常用于線(xiàn)性動(dòng)態(tài)系統(tǒng)，其狀態(tài)空間模型如下：

狀態(tài)方程：

xk+1=Akxk+Bkuk+wk

(2)

輸出方程：

yk=Ckxk+Dkuk+vk

(3)

式中：uk為系統(tǒng)的輸入量，輸入量是電池溫度和電流；xk為狀態(tài)變量，代表SOC值；yk為輸出量，指電池負(fù)載電壓，也稱(chēng)端電壓；vk為過(guò)程噪聲，描述狀態(tài)轉(zhuǎn)移過(guò)程中的加性噪聲及誤差的過(guò)程噪聲變量；wk為觀測(cè)噪聲，表示測(cè)量系統(tǒng)輸入量時(shí)產(chǎn)生的噪聲和誤差，由于vk、wk均為高斯隨機(jī)白噪聲，在計(jì)算的過(guò)程中無(wú)法知道實(shí)際值，故將其假設(shè)為零；Ak、Bk、Ck、Dk為方程匹配系數(shù)，用來(lái)體現(xiàn)系統(tǒng)動(dòng)態(tài)特性。

鋰離子電池性能受到溫度、電壓、電流等多種因素的影響，在使用過(guò)程中是典型的非線(xiàn)性系統(tǒng)，應(yīng)采用擴(kuò)展卡爾曼濾波對(duì)電池組SOC進(jìn)行實(shí)時(shí)估算。擴(kuò)展卡爾曼濾波是通過(guò)系統(tǒng)狀態(tài)空間模型將動(dòng)力電池非線(xiàn)性系統(tǒng)進(jìn)行線(xiàn)性化，然后再利用標(biāo)準(zhǔn)卡爾曼濾波算法的原理對(duì)狀態(tài)變量做最優(yōu)估計(jì)。系統(tǒng)狀態(tài)空間模型如下：

狀態(tài)方程：

xk+1=f(xk,uk)+wk

(4)

輸出方程：

yk=g(xk,uk)+vk

(5)

式中：f(xk,uk)為非線(xiàn)性轉(zhuǎn)移函數(shù)；g(xk,uk)為非線(xiàn)性測(cè)量函數(shù)。相對(duì)于標(biāo)準(zhǔn)卡爾曼濾波，擴(kuò)展卡爾曼濾波用f(xk,uk)替代了Akxk+Bkuk，用g(xk,uk)替代了Ckxk+Dkuk。為方便理解，給出如圖1所示的方框圖。

圖1 非線(xiàn)性離散時(shí)間狀態(tài)模型

具體計(jì)算過(guò)程如下：

(6)

(7)

狀態(tài)變量的真值無(wú)法直接測(cè)得，因此只能通過(guò)間接的方法通過(guò)計(jì)算得到，必然存在誤差。擴(kuò)展卡爾曼濾波正是將存在的誤差利用最小均方差原理讓最優(yōu)估計(jì)經(jīng)過(guò)有限次后收斂于真實(shí)狀態(tài)值。因此，EKF計(jì)算后結(jié)果收斂的準(zhǔn)確性與初值無(wú)關(guān)，初值僅決定收斂所需時(shí)間，而模型的精確性決定收斂結(jié)果精度。

(8)

(9)

式中：Dw是過(guò)程噪聲wk的方差,會(huì)讓均方估計(jì)值增加并且會(huì)增加狀態(tài)估計(jì)值的不穩(wěn)定性。

(3)卡爾曼濾波增益Lk：

(10)

式中：Ck為匹配系數(shù)，用來(lái)體現(xiàn)系統(tǒng)動(dòng)態(tài)特性；Dv是觀測(cè)噪聲vk的方差。卡爾曼濾波增益又叫信噪比平衡因子。當(dāng)狀態(tài)變量處于比較穩(wěn)定時(shí)，修整幅度較小，Lk值較小，反之Lk值較大，修正幅度較大。由公式(10)可以看出，當(dāng)觀測(cè)噪聲增大，Lk值會(huì)減小，導(dǎo)致調(diào)整幅度減小。

(11)

(12)

當(dāng)觀測(cè)變量yk測(cè)量結(jié)束后，采用標(biāo)準(zhǔn)卡爾曼濾波對(duì)狀態(tài)變量、均方估計(jì)誤差的預(yù)測(cè)估計(jì)值進(jìn)行修正，從而得到狀態(tài)變量、均方估計(jì)誤差的最優(yōu)估計(jì)值。

2 電池模型

文中以某磷酸鐵鋰單體電池模組作為研究對(duì)象，基本參數(shù)如表1所示。對(duì)于擴(kuò)展卡爾曼濾波，從非線(xiàn)性轉(zhuǎn)移函數(shù)f(xk,uk)、非線(xiàn)性測(cè)量函數(shù)g(xk,uk)和狀態(tài)變量的角度出發(fā)，可以分為復(fù)合模型、簡(jiǎn)化模型、帶滯后效應(yīng)模型、極化效應(yīng)修正模型。雖然復(fù)合模型精度不及帶滯后效應(yīng)模型和極化效應(yīng)修正模型，但計(jì)算較為簡(jiǎn)單且易于微控制系統(tǒng)實(shí)現(xiàn)，所以文中選擇復(fù)合模型進(jìn)行模型搭建。模型總體框架如圖2所示。

表1 某磷酸鐵鋰電池模組參數(shù)

圖2 系統(tǒng)結(jié)構(gòu)框圖

2.1 復(fù)合模型

復(fù)合模型是基于Shepherd模型、Unnewehr universal模型、Nerest模型組合得到[7]。

狀態(tài)方程：

(13)

輸出方程：

(14)

式中：ηT為溫度對(duì)電池容量的補(bǔ)償系數(shù)；ηI為庫(kù)侖效率對(duì)電池容量的補(bǔ)償系數(shù)；R為電池內(nèi)阻，會(huì)隨溫度和充、放電狀態(tài)變化；Ki為電池極化電阻，K1、K2、K3、K4是利用最小方差原理得到，為電池相關(guān)匹配參數(shù)。

2.2 溫度對(duì)電池容量校正模型

電池內(nèi)部溫度是影響電池容量的重要因素。溫度較高時(shí)，電池活性增加，能量得到更有效地發(fā)揮，但若電池在高溫環(huán)境下長(zhǎng)時(shí)間工作，會(huì)讓電池中的電解質(zhì)和某些活性物質(zhì)發(fā)生不可逆轉(zhuǎn)的化學(xué)反應(yīng)，從而導(dǎo)致電池內(nèi)部晶格被破壞，壽命明顯地縮短。溫度較低時(shí)，電化學(xué)反應(yīng)速率降低，電池活性明顯降低，溫度過(guò)低時(shí)電解液甚至可能凍結(jié)，極化效應(yīng)明顯，電池內(nèi)阻增加，電池很難充滿(mǎn)電，實(shí)際可用容量減少，電池能量利用效率下降。

電池內(nèi)部溫度對(duì)SOC的影響主要有以下兩點(diǎn)：(1)非線(xiàn)性特性。溫度對(duì)SOC的影響是非線(xiàn)性的，無(wú)論大小，都不能用簡(jiǎn)單的線(xiàn)性關(guān)系進(jìn)行描述。(2)溫度對(duì)電池容量的影響是非固定的。因此，需要通過(guò)試驗(yàn)得到不同溫度下的容量補(bǔ)償系數(shù)。以某單體磷酸鐵鋰電池為研究對(duì)象，在滿(mǎn)電(45 A·h)情況下，分別將電池置于-20、-10、0、 25、 40、60 ℃的溫度下，以標(biāo)稱(chēng)放電倍率C/30對(duì)電池進(jìn)行放電到截止電壓，通過(guò)實(shí)驗(yàn)可得到各溫度下電池的實(shí)際容量，通過(guò)與標(biāo)稱(chēng)容量比較，可得到不同溫度下的容量補(bǔ)償系數(shù)ηT：

(15)

式中：QTi為實(shí)際容量；QTI為標(biāo)稱(chēng)容量。

具體數(shù)據(jù)如表2所示。

表2 不同溫度下的補(bǔ)償系數(shù)

由于所測(cè)點(diǎn)溫度分別為-20、-10、0、 25、 40、60 ℃，其為離散點(diǎn)，不能為除所測(cè)點(diǎn)外的其他溫度提供容量校正值。因此，將所測(cè)實(shí)際容量與對(duì)應(yīng)溫度進(jìn)行曲線(xiàn)擬合，為其他溫度下的容量校正提供支撐，如圖3所示。

圖3 內(nèi)部溫度對(duì)電池容量校正擬合曲線(xiàn)

一般電池測(cè)量溫度為電池極柱溫度，由于電池在生產(chǎn)過(guò)程中由于本身構(gòu)造、使用材料以及裝配方式等不同，導(dǎo)致電池內(nèi)部溫度和電池極柱溫度有差異，所以需對(duì)所測(cè)電池溫度進(jìn)行自校。在滿(mǎn)電并以C/30倍率進(jìn)行放電，直至截止電壓，如表3所示。

表3 不同溫度下的自校系數(shù)

為得到除測(cè)量點(diǎn)外其他溫度的自校系數(shù)εT，將表3所測(cè)數(shù)據(jù)進(jìn)行曲線(xiàn)擬合，如圖4所示。

圖4 溫度自校系數(shù)擬合曲線(xiàn)

2.3 電流效率模型

電流效率模型主要與庫(kù)侖效率有關(guān)。庫(kù)侖效率又叫放電效率，是指在同一循環(huán)過(guò)程中放電容量和充電容量的比值。與磷酸鐵鋰電池不同的是，鎳氫、鎳鎘蓄電池具有一定的耐過(guò)充能力，因此均衡策略常被設(shè)計(jì)為正限制。隨著電量增加，磷酸鐵鋰電池的庫(kù)侖效率會(huì)逐漸降低，過(guò)充的電能大部分轉(zhuǎn)化為熱能消散了。而磷酸鐵鋰電池的庫(kù)侖效率一般能達(dá)到90%，應(yīng)在建模過(guò)程中考慮該電池庫(kù)侖效率變化對(duì)電池容量的影響。磷酸鐵鋰在實(shí)際使用過(guò)程中，充電過(guò)程一般是先恒流充電，充到截止電壓后再恒壓充，最后進(jìn)行涓流充電，充電模式較為固定。因此，庫(kù)侖效率主要考慮放電倍率的影響。設(shè)置充、放電條件：在25 ℃條件下，充電倍率為0.5C(22.5 A)，分別以0.1C(4.5 A)、0.5C(22.5 A)、1C(45 A)、1.5C(67.5 A)、2C(90 A)、3C(180 A)放電倍率進(jìn)行放電至截止電壓，如表4所示，可得到不同放電倍率下的容量補(bǔ)償系數(shù)，即庫(kù)侖效率ηI：

(16)

式中：Qti為實(shí)際放電容量；QtI為實(shí)際充電容量。

表4 不同放電倍率下的庫(kù)侖效率

同理，為得到不同放電倍率下的庫(kù)侖效率ηI，將表4中測(cè)量點(diǎn)擬合，得到如圖5所示曲線(xiàn)。

圖5 庫(kù)侖效率擬合曲線(xiàn)

3 仿真結(jié)果分析

模型搭建完成后，為考慮充、放電倍率對(duì)該算法SOC估算的影響，選擇在常溫(25 ℃)下，分別對(duì)該模型以1C、3.4C進(jìn)行恒流放電，靜置一段時(shí)間后，再分別以1C、3.4C進(jìn)行恒流充電、放電，如圖6—圖7所示。下面將截取一部分?jǐn)?shù)據(jù)，來(lái)驗(yàn)證文中所提算法的精確性。

圖6 25 ℃，3.4C充、放電倍率下SOC值曲線(xiàn)圖

圖7 25 ℃，1C充、放電倍率下SOC值曲線(xiàn)圖

將1C充電倍率下的SOC曲線(xiàn)圖局部放大，如圖8所示。

圖8 25 ℃，1C充、放電倍率下SOC值局部放大圖

曲線(xiàn)1為通過(guò)安時(shí)積分法得到的曲線(xiàn)。因?yàn)槌?、放電過(guò)程均為恒流充電、放電，因此，以這條曲線(xiàn)作為參考曲線(xiàn)，且賦予SOC初值SOC0為80%。曲線(xiàn)2是以EKF作為基礎(chǔ)，結(jié)合復(fù)合電池模型，并經(jīng)過(guò)容量修正、溫度校正后得到的輸出曲線(xiàn)。曲線(xiàn)3是以電池模型作為基礎(chǔ)，以SOC值作為狀態(tài)變量，未經(jīng)EKF直接輸出SOC估算曲線(xiàn)。

通過(guò)將不同充、放電倍率下的SOC輸出值比較，不難發(fā)現(xiàn)，隨著充、放電倍率增大，未經(jīng)EKF的SOC估算輸出曲線(xiàn)距參考曲線(xiàn)距離逐漸增大，誤差逐漸增大。而無(wú)論是在1C倍率下，還是在3.4C倍率下，EKF輸出曲線(xiàn)始終圍繞參考曲線(xiàn)上下波動(dòng)，隨著均方誤差逐漸減小，其值最終會(huì)收斂于參考曲線(xiàn)。且在這兩種充、放電倍率下，EKF算法估算得到的SOC值比未經(jīng)EKF、由電池模型直接得到的SOC估算值精度要高。體現(xiàn)了EKF算法的精確度高，穩(wěn)定性好。

為驗(yàn)證溫度對(duì)模型算法的影響，選擇在3.4C充、放電倍率下，分別以-5、25 ℃進(jìn)行充、放電，如圖9所示。

圖9 -5 ℃，3.4C充、放電倍率下SOC值曲線(xiàn)圖

通過(guò)圖6和圖9可以明顯看出，溫度對(duì)該算法影響很大，-5 ℃下未經(jīng)EKF算法輸出曲線(xiàn)與參考曲線(xiàn)誤差較大，將近達(dá)到4%，而經(jīng)EKF算法得到的SOC輸出曲線(xiàn)在該環(huán)境下誤差較小，經(jīng)計(jì)算最大為0.5%，還存在圍繞參考曲線(xiàn)來(lái)回波動(dòng)的調(diào)節(jié)過(guò)程。說(shuō)明EKF算法在極端環(huán)境中精確度較高，魯棒性較好。

無(wú)論是以安時(shí)積分法為基礎(chǔ)輸出曲線(xiàn)，還是以電池模型為基礎(chǔ)輸出曲線(xiàn)，都需要賦予S0C初值SOC0，而EKF原理輸出曲線(xiàn)的收斂性與初值SOC0無(wú)關(guān)。在EKF中，初值的準(zhǔn)確與否只關(guān)系到算法的收斂時(shí)間，所賦初值和實(shí)際值之差的絕對(duì)值越大，收斂時(shí)間越長(zhǎng)，反之越短。輸出SOC曲線(xiàn)變化規(guī)律不會(huì)受到初值影響，屬于EKF算法的優(yōu)越性。

電動(dòng)汽車(chē)在行駛過(guò)程中存在加速超車(chē)情況，此時(shí)電池需大倍率放電，因此以25 ℃，3.4C倍率放電為主要研究對(duì)象。如圖6所示，所選擇的數(shù)據(jù)范圍為0.520 7～0.8。在開(kāi)始放電階段，卡爾曼濾波設(shè)置的初始值x0為0.630 5，與初值SOC0相差較大，根據(jù)卡爾曼濾波原理，為使均方誤差最小，曲線(xiàn)迅速上升，在t=6 s時(shí)第一次與參考曲線(xiàn)相交，此時(shí)卡爾曼濾波算法預(yù)測(cè)結(jié)果幾乎接近于SOC真實(shí)值。隨后無(wú)論是在充、放電階段，SOC預(yù)測(cè)曲線(xiàn)都在參考曲線(xiàn)附近上下擺動(dòng)，在預(yù)測(cè)范圍內(nèi)多次穿越參考曲線(xiàn)并與之反復(fù)相交，說(shuō)明模型精度高，反饋?lái)憫?yīng)及時(shí)。但最終預(yù)測(cè)曲線(xiàn)并不會(huì)與參考曲線(xiàn)貼合，而是始終在其周?chē)》鹗?。原因如下?/p>

(1)噪聲矩陣對(duì)算法精度的影響。由于無(wú)法測(cè)量過(guò)程噪聲和觀測(cè)噪聲真實(shí)值，將其假定為零，勢(shì)必造成系統(tǒng)噪聲在參數(shù)統(tǒng)計(jì)過(guò)程中存在誤差，導(dǎo)致噪聲參數(shù)設(shè)置不準(zhǔn)確，反饋?lái)憫?yīng)存在誤差[8]。

(2)在充、放電過(guò)程中，由于電池極化效應(yīng)影響，電池參數(shù)如電阻等會(huì)不斷變化。在建模過(guò)程中，為保證算法的實(shí)用性和模型的難易度，舍棄了模型中極化效應(yīng)修正部分，導(dǎo)致電池極化效應(yīng)對(duì)模型響應(yīng)產(chǎn)生影響。

而另外一條曲線(xiàn)雖能反映SOC變化趨勢(shì)，但始終位于參考曲線(xiàn)下方，因?yàn)閺?fù)合模型和系統(tǒng)原模型還存在偏差，在對(duì)等效模型進(jìn)行更新時(shí)，由于遲滯效應(yīng)導(dǎo)致復(fù)合模型和真值產(chǎn)生偏差，系統(tǒng)噪聲為有色噪聲，并不為零[9]。

圖10為輸出結(jié)果SOC絕對(duì)誤差曲線(xiàn)圖，曲線(xiàn)1為經(jīng)EKF的絕對(duì)誤差，計(jì)算開(kāi)始后，真實(shí)初值SOC0和EKF中所賦初值存在偏差，根據(jù)卡爾曼濾波原理，均方誤差逐漸減小，算法中SOC值向真值逐漸靠攏。誤差曲線(xiàn)迅速向零靠近。SOC值在真值附近小幅震蕩，因此誤差值在零附近小幅震蕩，且最大誤差不超過(guò)0.5%，精度比較高。

曲線(xiàn)2是未經(jīng)EKF濾波，經(jīng)過(guò)復(fù)合模型后直接輸出的SOC值的誤差曲線(xiàn)，相對(duì)考慮容量校正、溫度校正等的EKF誤差曲線(xiàn)而言，誤差相對(duì)較大，當(dāng)t=600 s后，誤差逐漸增大，整個(gè)過(guò)程都沒(méi)有來(lái)回震蕩的調(diào)節(jié)過(guò)程。EKF算法優(yōu)越性展現(xiàn)無(wú)遺。

圖10 25 ℃，3.4C倍率下SOC絕對(duì)誤差曲線(xiàn)

4 結(jié)束語(yǔ)

本文作者以卡爾曼濾波為理論基礎(chǔ)，結(jié)合復(fù)合電池模型，提出了基于擴(kuò)展卡曼濾波的鋰離子電池SOC估算方法，并添加了與電池表面溫度有關(guān)的容量校正模型以及和庫(kù)侖效率有關(guān)的電流效率模型，實(shí)現(xiàn)對(duì)SOC估算的校正。在MATLAB/Simulink中建立上述仿真模型，并對(duì)輸出曲線(xiàn)進(jìn)行分析。通過(guò)將經(jīng)過(guò)EKF算法估算和未經(jīng)EKF算法估算得到的SOC輸出曲線(xiàn)進(jìn)行比較，表明該算法估算精度較高，誤差較小，且具有來(lái)回震蕩的調(diào)節(jié)過(guò)程、抗干擾能力較強(qiáng)的優(yōu)點(diǎn)。對(duì)于SOC估算的實(shí)際應(yīng)用具有一定的參考價(jià)值。