CN112757961B - 锂电池soc估算方法、主动均衡控制方法及系统 - Google Patents

Abstract

本发明公开了一种锂电池SOC估算方法、主动均衡控制方法及系统，提高了电池组的工作效率与使用寿命。本发明所述的锂电池SOC估算方法采用平滑滤波算法对强跟踪平方根容积滤波算法进行改进，解决了现有SOC算法存在的计算精度低、平滑性差的问题，同时减轻了计算机运算的负担，提高了计算效率；针对多组串联电池组充电过程与电池间电流均衡过程，提出优化的均衡控制方法，并利用改进的SOC估算法解算出的SOC值作为控制判据，进一步提高了均衡控制的精准度，增强了锂电池管理系统控制效果。

Description

锂电池SOC估算方法、主动均衡控制方法及系统

技术领域

本发明涉及一种锂电池充放电管理方法，尤其涉及一种锂电池SOC估算方法、主动均衡控制方法及系统。

背景技术

随着电动汽车的飞速发展，锂电池因在能量密度、功率特性和使用寿命的优势成为电动汽车的理想动力源。为保障动力电池正常工作，电池管理系统需对动力电池的充放电过程进行控制，进而提高电池组的工作效率与使用寿命。

锂电池荷电状态(SOC，State ofCharge)可以从本质反应锂电池间的不一致性，提高SOC估算的精度有利于增强电池管理系统的控制效果。近年来随着SOC估算技术的快速发展，以SOC为控制判据的均衡策略也得到长足的发展。强跟踪平方根容积滤波算法结合了强跟踪滤波器与平方根容积滤波算法，解决了复杂模型的滤波问题，是一个成熟有效的算法，但仍存在计算精度较低、解算平滑性差的问题。

目前，锂电池管理系统(BMS，BatteryManagementSystem)发展日益成熟，控制效果得到改善。电池均衡管理技术作为其核心技术，能够有效提高充放电过程均衡性，近年在被动均衡与主动均衡两种工作模式上均取得突破。被动均衡电路结构简单，可靠性高，整体造价便宜，效率与均衡速度较低；主动均衡电路结构复杂，效率与均衡速度高，但其工作需要结合相应的控制方法，进而对控制器的要求更高。但是，现有的锂电池管理系统仍然存在充放电过程均衡性较差的问题。

发明内容

发明目的：针对以上问题，本发明提出一种锂电池SOC估算方法、主动均衡控制方法及系统，能够解决现有SOC算法存在的计算精度低、平滑性差的问题，并进一步增强电池管理系统的控制效果，实现对锂动力电池的有效管理，提高电池组的工作效率与使用寿命。

技术方案：本发明所采用的技术方案是一种锂电池SOC估算方法，采用平滑滤波算法对强跟踪平方根容积滤波算法进行改进，在计算锂电池状态的平滑估算值时引入平滑增益，采用固定区间平滑滤波模式，滤波和平滑过程同时迭代进行，实现实时SOC估算。

所述的在计算锂电池状态的平滑估算值时引入平滑增益，平滑估算值

计算式为：

式中，

为k时刻下锂电池状态的平滑估算值，

为k+1时刻下锂电池状态的平滑初始值；

为k时刻下锂电池状态的估计值，

为k+1时刻下锂电池状态的预测状态值，

为k+1时刻下锂电池状态的估计值；其中平滑增益按下式计算：

式中，K^s _k为k时刻的平滑增益，P^s _xx为互协方差矩阵，S_k+1|k为带渐消因子的预测误差协方差阵特征平方根。

基于上述改进的SOC估算方法，本发明还提出一种锂电池主动均衡控制方法，包括以下步骤：

步骤1、利用改进的强跟踪平方根容积滤波算法对电池SOC进行实时估算，所述改进的强跟踪平方根容积滤波算法是采用平滑滤波算法对强跟踪平方根容积滤波算法进行改进，在计算锂电池状态的平滑估算值时引入平滑增益，采用固定区间平滑滤波模式，滤波和平滑过程同时迭代进行，实现实时SOC估算；

步骤2、针对多组串联电池组的充电过程，以步骤1所得的SOC估算值为均衡变量，控制各个串联电池组的充电电流；同时，针对串联电池组内充放电过程，采用考虑测量噪声的SOC-电压混合均衡控制方法控制串联电池组内各单体电池间的均衡电路的工作状态。

其中，步骤(2)所述的控制各个串联电池组的充电电流，包括以下步骤：

(21)确定第n组的初始充电电流Iⁿ ₀：

式中，Iⁿ ₀为第n组的初始充电电流，I¹ ₀为第1组初始充电电流，SOC_aim为充电预期，取值为0.85～0.95，

为初始充电时第n组电池串联电池组中SOC估算值的中位数，初始值最小的串联电池组记为第1组，

为初始充电时第1组串联电池组的SOC估算值的中位数；所述的第1组初始充电电流I¹ ₀计算式为：

式中，α为充电接受比，η为充放电效率，C_N为电池标称容量。

(22)确定第n组在t时刻的协调充电电流Iⁿ _t：

式中，Iⁿ _t为第n组在t时刻的协调充电电流，

为第n组电池SOC估算值在t时刻的中位数。

步骤(2)中所述的考虑测量噪声的SOC-电压混合均衡控制方法，包括以下步骤：

(31)根据电池组内SOC估算值的众数SOC_mode选择采用均衡模式；所述的根据电池组内SOC估算值的众数SOC_mode选择采用均衡模式，包括电压均衡模式和SOC均衡模式，选择条件为：

(32)计算状态判断函数F；

所述的计算第i次测量时的状态判断函数值F_i，在电压均衡模式下，计算式为：

式中，β_set为电压均衡使能阈值，

其中V^max _i为第i次测量时电池组内单体电池最高电压，

为第i次测量时电池组的平均电压值，β_i-1为第i-1次最高电压与第i-1次电压平均值之差；

在SOC均衡模式下，计算第i次测量时状态判断函数值F_i的计算式为：

式中，δ_set为SOC均衡使能阈值；δ_i为第i次测量时电池组SOC估算值方差，δ_i-1为第i-1次测量时电池组SOC估算值的方差。

(33)计算判断函数ρ，计算式为：

式中，ρ_i为第i次测量时判断函数值，用于控制均衡电路的开关，ρ_i+1为第i+1次测量时判断函数值；F_i为第i次测量时状态判断函数值；F_i+1为第i+1次测量时状态判断函数值；判断函数值ρ_i的下限为0，当计算值为负数时记为0；

(34)判断均衡电路开关：当判断函数值ρ_i增长到设定阈值时，均衡电路开启，判断函数值ρ_i重置为0，当均衡过程结束后返回步骤(31)重新计算。

本发明提出一种锂电池主动均衡控制系统，包括处理器和均衡电路，处理器执行上述锂电池主动均衡控制方法中的步骤，用以控制串联电池组内各单体电池间的均衡电路的工作状态。

有益效果：相比于现有技术，本发明具有以下优点：(1)在强跟踪平方根容积滤波算法的基础上，结合平滑滤波算法对强跟踪平方根容积滤波算法进行改进，引入平滑增益计算平滑估算值，解决了现有SOC算法存在的计算精度低、平滑性差的问题，同时减轻了计算机运算的负担，提高了计算效率；(2)针对多组串联电池组的充电过程，结合最优充电理论，以SOC为均衡变量形成多组串联电池组最优协调充电电流控制策略，提高了均衡过程中的充电速率；(3)针对充放电过程中组内电池间剩余容量不一致导致的电流均衡问题，引入判断函数ρ，形成一种考虑测量噪声的SOC-电压混合均衡策略，减少测量噪声产生的均衡电路误动作，提高了均衡电路的工作效率。上述控制策略结合改进SOC估计值作为控制判据，进一步提高了控制精度。本发明实现了SOC实时高精度计算，并以此为基础建立了一种新型均衡控制方法，进而提高电池组的工作效率与使用寿命。

附图说明

图1是本发明所述的锂电池SOC估算方法的流程图；

图2是Thevenin等效电路模型图；

图3是本发明所述的考虑测量噪声的SOC-电压混合均衡策略的流程图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

本发明所述的锂电池SOC估算方法，利用改进的强跟踪平方根容积滤波算法对电池SOC进行实时估算。该方法采用平滑滤波算法对强跟踪平方根容积滤波算法进行改进，引入平滑增益K^s _k，采用固定区间平滑滤波模式，滤波和平滑过程同时迭代进行，实现SOC实时估算。图1展示了改进后的算法流程，包括以下具体步骤：

步骤1.1，如图2所示，结合Thevenin等效电路模型具体讲述如何将电池SOC估算与滤波算法结合的过程。这里只是展示了一种等效电路的状态变量、输入变量、输出变量。针对其他的模型有不同的具体表现形式，但是主体思想是相类似的。采用Thevenin等效电路模型，建立锂电池离散的状态方程：

以及锂电池离散的量测方程：

式中，U_p，k为k时刻的极化电压；U_p，k-1为k-1时刻的极化电压；SOC_k为k时刻锂电池的荷电状态；SOC_k-1为k-1时刻锂电池的荷电状态；U_t，k为k时刻的电池端电压；I_k-1为k-1时刻的负载电流；I_k为k时刻的负载电流；U_oc，k为k时刻的开路电压，由SOC-OCV曲线确定；R_p为极化内阻；R₀为欧姆内阻；Δt为采样间隔；τ为时间常数，数值等于R_pC_p，C_p为极化电容；C_N为电池额定容量；w_1，k-1、w_2，k-1是k-1时刻的一些不可测量的随机输入量对系统状态变量的干扰，为系统噪声；v_k为k时刻电池端电压的量测噪声。

系统噪声与量测噪声为互不相关的零均值高斯白噪声，有噪声统计特性：

式中，w_k为k时刻的系统噪声矩阵；cov为协方差算子；Q_k为k时刻的系统噪声协方差阵；R_k为k时刻的量测噪声协方差阵。

根据Thevenin等效电路模型，结合式(1)和式(2)得到输入滤波算法中的状态方程：

与量测方程：

式中，

为k时刻的状态变量；

为1-1时刻的状态变量；u_k-1为k-1时刻的系统输入；u_k为k时刻的系统输入；

为k时刻的系统输出；f(·)为系统的状态函数；h(·)为系统的量测函数。各参数的物理含义由式(8)-(12)显示：

u_k-1＝[I_k-1] (10)

u_k＝[I_k] (11)

步骤1.2，参数初始化，输入初值包括初始状态x_0|0、初始预测误差协方差阵P_0|0和初始噪声协方差阵Q₀和R₀，设定遗忘因子ρ和弱化因子η。

步骤1.3，对P_0|0进行乔列斯基分解，得到预测误差协方差阵特征平方根初值S_0|0：

S_0|0＝chol(P_0|0)^T (13)

式中，S_0|0为预测误差协方差阵特征平方根初值；chol(·)为乔列斯基分解。

步骤1.4，估计预测状态值

计算k-1时刻的状态容积点，

式中，X_i，k-1|k-1为k-1时刻

的状态容积点；S_k-1|k-1为k-1时刻预测误差协方差矩阵的特征平方根，当k＝1时，S_k-1|k-1＝S_0|0；ξ_i为状态容积点向量；

为k-1时刻的状态估计值，当k＝1时，

式中，X^* _i，k|k-1为状态容积点X_i，k-1|k-1上的预测状态值；u_k-1为k-1时刻的输入向量；f(·)为系统的状态函数。

式中，

为k时刻的预测状态值；m为状态容积点的个数。

步骤1.5，估计带渐消因子的预测误差协方差阵特征平方根S_k|k-1。

式中，Q_k-1为k-1时刻的系统噪声协方差阵，当k＝1时，Q_k-1＝Q₀；S_Q，k-1与S^T _Q，k-1为Q_k-1分解得到，S^T _Q，k-1为S_Q，k-1的转置。

其中，χ^* _k|k-1表示为：

式中，qr(·)为QR分解，Q_d和R_d分别为矩阵经QR分解得到的正交阵与上三角阵；λ_k-1为k-1时刻的强跟踪渐消因子，当k＝1时λ₀＝1。

S_k|k-1＝R_d(1：n，：)^T (20)

式中，S_k|k-1为带渐消因子的预测误差协方差阵特征平方根；R_d(1：n，：)^T表示取矩阵R_d的前n行和前n列转置后赋值给S_k|k-1；n为矩阵χ^* _k|k-1的行数。

步骤1.6，估计预测量测值

计算更新后的状态容积点及容积点上的预测量测值，

Z_i，k|k-1＝h(X_i，k|k-1，u_k) (22)

式中，X_i，k|k-1为更新后的状态容积点；ξ_i为状态容积点向量；Z_i，k|k-1为更新后状态容积点上的预测量测值；h(·)为系统的量测函数；u_k为k时刻的输入向量。

式中，

为k时刻预测量测值。

步骤1.7，估计新息协方差特征平方根S_zz，k|k-1和互协方差阵P_xz，k|k-1。

式中，R_k为k时刻量测噪声协方差阵；S_R，k与S^T _R，k为R_k分解得到，S^T _R，k为S_R，k的转置。

其中，Z^* _k|k-1表示为：

式中，Q_d和R_d分别为矩阵经QR分解得到的正交阵与上三角阵。

S_zz，k|k-1＝R_d(1：l，：)^T (27)

式中，S_zz，k|k-1为新息协方差特征平方根；R_d(1：l，：)^T表示取矩阵R_d的前l行和前l列转置后赋值给S_zz，k|k-1；l为矩阵Z^* _k|k-1的行数；P_xz，k|k-1为互协方差阵。

步骤1.8，更新强跟踪渐消因子λ_k：

其中，λ_k计算为：

其中，N_k和M_k分别计算为：

式中，λ_k为k时刻的强跟踪渐消因子，在初始时设置为1，即λ₀＝1；tr(·)为求迹运算；S^T _k|k-1为S_k|k-1的转置；S^T _zz，k|k-1为S_zz，k|k-1的转置；η为弱化因子，取η＞0，作用是为避免有可能造成的过调节，一般取η＝2。

其中，V_k为实际输出的残差序列的协方差阵，计算为：

式中，ε_k为k时刻输出残差序列；z_k为k时刻的实际量测值；ρ为遗忘因子，一般取ρ＝0.95。

步骤1.9，计算滤波增益K_k：

式中，K_k为k时刻的滤波增益。

步骤1.10，估计状态估计值

式中，

为k时刻的状态估计值。

步骤1.11，估计预测误差协方差阵的特征平方根S_k|k：

S_k|k＝R_d(1：n，：)^T (38)

其中，χ_k|k-1表示为：

式中，Q_d和R_d分别为矩阵经QR分解得到的正交阵与上三角阵；S_k|k为k时刻预测误差协方差阵的特征平方根；R_d(1：n，：)^T表示取矩阵R_d的前n行和前n列转置后赋值给S_k|k；n为矩阵χ_k|k-1的行数。

步骤1.12，为平滑初始值赋值：

式中，x^s _k为k时刻的平滑初始值，用于计算k-1时刻的平滑估算值。

并参考步骤1.4，估计预测状态值

式中，X_i，k|k为k时刻

的状态容积点；S_k|k为k时刻预测误差协方差矩阵的特征平方根；ξ_i为状态容积点向量；X^* _i，k+1|k为状态容积点X_i，k|k上的预测状态值；u_k为k时刻的输入向量；

为k+1时刻预测状态值。

步骤1.13，估计互协方差矩阵P^s _xx和带渐消因子的预测误差协方差阵特征平方根S_k+1|k。P^s _xx的计算式为：

其中，χ_k|k和χ^s _k+1|k表示为：

式中，P^s _xx为互协方差矩阵。

参考步骤1.5，估计带渐消因子的预测误差协方差阵特征平方根S_k+1|k：

S_k+1|k＝R_d(1：n，：)^T (50)

式中，Q_k为k时刻的系统噪声协方差阵；S_Q，k与S^T _Q，k为Q_k分解得到，S^T _Q，k为S_Q，k的转置；Q_d和R_d分别为矩阵经QR分解得到的正交阵与上三角阵；R_d(1：n，：)^T表示取矩阵R_d的前n行和前n列转置后赋值给S_k+1|k；n为矩阵χ^* _k+1|k的行数；λ_k为k时刻的强跟踪渐消因子；S_k+1|k为更新的带渐消因子的预测误差协方差阵特征平方根。

步骤1.14，计算平滑增益K^s _k：

式中，K^s _k为k时刻的平滑增益，用于计算k时刻的平滑估算值。

步骤1.15，计算平滑估算值x^s _k|k：

式中，x^s _k|k为k时刻下的平滑估算值，为k时刻状态变量的最终估计值；x^s _k+1为k+1时刻的平滑初始值；

为k+1时刻的状态估计值。由上述步骤可以看出，平滑解算过程蕴藏在强跟踪平方根容积滤波过程中，并且系统对于上一时刻存储的值较少，在提高计算精度、增强解算平滑性的同时减轻了计算机运算的负担，也保障了实时性。

步骤2、针对电池组串联充电过程，提出以SOC为均衡变量的多组串联电池组最优协调充电策略。同时，针对串联电池组内充放电过程，采用考虑测量噪声的SOC-电压混合均衡控制方法控制串联电池组内各单体电池间的均衡电路的工作状态。

步骤2中，针对电池组串联充电过程，结合最优充电电流理论与安时积分公式，建立以SOC为均衡变量的多组串联电池组最优协调充电电流策略。

在锂电池充电时，最优充电电流理论表示为：

I＝I₀e^-αt (54)

式中，I为充电电流；I₀为初始充电电流；α为充电接受比；t为充电时间。

根据安时积分公式，

结合式(54)，最终化简为：

式中，SOC(t)为充电t时刻电池的荷电状态；SOC(0)为充电初始时电池的荷电状态；η为充放电效率；CN为电池标称容量。

可以考虑，当充电过程结束时，充电电流I近似为0，而此时的电池荷电状态为1，可以表示为：

结合式(56)和式(57)，得到基于SOC的最优充电电流模型：

传统最优充电电流理论的均衡变量为时间，但考虑到充电时电池间容量均衡过程的影响，以及电池容量衰退对充电时间的影响，按照时间调整充电电流可能会造成电池的过充或无法充满就退出充电，而SOC能本质反应锂电池间的不一致性及电池本身的状态，基于步骤1的改进SOC估算方法，结合式(58)，提出以SOC为均衡变量的多组串联电池组最优协调充电策略，包括以下具体步骤：

步骤2.1，确定单体电池参数，包括充电接受比α，充放电效率η和电池标称容量C_N。

步骤2.2，对各电池进行SOC估算，记录初始充电时第n组串联电池组中SOC估算值的中位数为SOC^m，n ₀，初始值最小的组记为第1组，即第1组串联电池组初始充电时SOC估算值的中位数记为SOC^m，1 ₀，上标m表示该组SOC估算值的中位数。

步骤2.3，引入充电预期SOC_aim，确定第1组初始充电电流I¹ ₀：

式中，SOC_aim为充电预期，通常选取在0.85-0.95之间，当充电达到充电预期时，可转为涓流充电对电池组进行充电，在提高充电效率的同时也对电池进行保护，延长电池的使用寿命。

步骤2.4，为保障各电池组达到充电预期的时间相同，减少电池组间均衡电路的动作，结合安时积分公式，确定第n组的初始充电电流Iⁿ ₀：

式中，Iⁿ ₀为第n组的初始充电电流。

步骤2.5，确定各串联电池组充电策略：

式中，Iⁿ _t为第n组在t时刻协调充电电流；SOC^m，n _t为第n组电池SOC估算值在t时刻的中位数。

步骤2中，针对充放电过程中组内电池间剩余容量不一致导致的电流均衡过程，提出一种考虑测量噪声的SOC-电压混合均衡策略。

将流过每一个电池的电流I_c分为两部分，一部分为流经该串联电池组的充放电电流，记为I₀，这部分电流为主电路流经各电池的电流，幅值较大并且每个电池都相等；另一部分为促使各电池容量变化速率一致，调节各电池容量的均衡电流，记为I₁，该电流的流通通道为辅助电路中的均衡电路，幅值较小且每个电池流过的电流不相同。均衡控制方法是控制均衡电路的开启与关闭的，在必要时为均衡电流提供通路，进而降低电池间的不一致性，在完成均衡后关闭，减少损耗。总体而言，I_c＝I₀+I₁。本发明所述的电流均衡过程，即是指涉及到均衡电流的部分。

针对充放电过程中组内电池间剩余容量不一致导致的电流均衡过程，引入判断函数ρ对均衡电路的开关进行控制，提出一种考虑测量噪声的SOC-电压混合均衡策略。

观察电池的充放电曲线时，发现SOC在20％到80％间电池电压的一致性较好，采用电压均衡效果较差，此时应当引入SOC均衡；当SOC大于80％或SOC小于20％时，电压的一致性较差，并考虑到倘如充电末期进行涓流充电，SOC估计精度降低，此时应当采用电压均衡。图3展示了SOC-电压混合均衡策略的流程，包括以下具体步骤：

步骤(31)，采集电池组内各电池的电压，并对各电池SOC进行估算。根据电池组内SOC估算值的众数SOC_mode选择采用均衡模式：

步骤(32)，计算状态判断函数F：

在电压均衡过程中，记第i次测量时，电池组内单体电池最高电压记为V^max _i，电池组的平均电压值为

记最高电压减去电压平均值为β_i：

则第i次测量时状态判断函数值F_i为：

式中，β_set为电压均衡使能阈值；β_i-1为第i-1次最高电压与第i-1次电压平均值之差。

在SOC均衡过程中，记第i次测量时，各电池SOC估算值记为SOC^j _i，电池组SOC估算值的方差记为δ_i：

式中，n为电池组内单体电池的个数。

则第i次测量时状态判断函数值F_i为：

式中，δ_set为SOC均衡使能阈值；δ_i-1为第i-1次测量时电池组SOC估算值的方差。

当F_i为-1时，说明组内电池间的差异性正在变大，电池间进行均衡的必要性增加；F_i为1时，说明组内电池间的差异性正在变小，电池间进行均衡的必要性减小；F_i为0时，系统无法判断电池间的差异性变化情况，处于观察状态。状态判断函数值F的引入有利于减少因测量噪声产生的误动作，增强了控制系统的鲁棒性。

步骤(33)，计算判断函数ρ：

式中，ρ_i为第i次测量时判断函数值，用于控制均衡电路的开关，ρ_i+1为第i+1次测量时判断函数值；F_i+1为第i+1次测量时状态判断函数值；其中当F_i×F_i+1＜0时，说明状态判断函数输出出错，为避免均衡电路误动作，判断函数应重新计数。ρ_i的下限为0，若计算值出现负数，仍然记ρ_i为0。

步骤(34)，判断均衡电路开关：

均衡电路的开启条件为：

ρ_i＝ρ_set (69)

式中，ρ_set为均衡电路开启阈值，取值应当适中。当判断函数值达到ρ_set时均衡电路开启，ρ_i记为0，当均衡过程结束时再重新计数。均衡电路是现有电路，按照能量的转移方式可分为电容式、电感式、变压器式、DC-DC变换器式以及多电平变换器式等，典型的电路有开关电容均衡电路、LC谐振均衡电路等。均衡过程是指，自均衡电路开启，至均衡电路完成均衡，即均衡电路中电流为0时结束这一整个过程，在一次充放电过程中往往会有多次均衡过程。

引入判断函数ρ，结合考虑测量噪声的SOC-电压混合均衡策略，能够有效减少测量噪声产生的均衡电路误动作，以提高均衡电路的工作效率。

Claims (7)

1.一种锂电池主动均衡控制方法，其特征在于，包括以下步骤：

步骤1、对电池组内各电池SOC进行估算；

步骤2、针对多组串联电池组的充电过程，以步骤1所得的SOC估算值为均衡变量，控制各个串联电池组的充电电流；同时，针对串联电池组内充放电过程，采用考虑测量噪声的SOC-电压混合均衡控制方法控制串联电池组内各单体电池间的均衡电路的工作状态；

其中，步骤(2)所述的控制各个串联电池组的充电电流，包括以下步骤：

(21)确定第n组的初始充电电流Iⁿ ₀：

式中，Iⁿ ₀为第n组的初始充电电流，I¹ ₀为第1组初始充电电流，SOC_aim为充电预期，取值为0.85～0.95，

为初始充电时第n组串联电池组中SOC估算值的中位数，初始值最小的串联电池组记为第1组，

为初始充电时第1组串联电池组的SOC估算值的中位数；

(22)确定第n组在t时刻的协调充电电流Iⁿ _t：

式中，Iⁿ _t为第n组在t时刻的协调充电电流，

为第n组电池SOC估算值在t时刻的中位数。

2.根据权利要求1所述的锂电池主动均衡控制方法，其特征在于：步骤(21)中所述的第1组初始充电电流I¹ ₀计算式为：

式中，α为充电接受比，η为充放电效率，C_N为电池标称容量。

3.根据权利要求1所述的锂电池主动均衡控制方法，其特征在于，步骤(2)所述的考虑测量噪声的SOC-电压混合均衡控制方法，包括以下步骤：

(31)根据电池组内SOC估算值的众数SOC_mode选择均衡模式；

(32)计算状态判断函数F；

(33)计算判断函数ρ，计算式为：

式中，ρ_i为第i次测量时判断函数值，用于控制均衡电路的开关，ρ_i+1为第i+1次测量时判断函数值；F_i为第i次测量时状态判断函数值；F_i+1为第i+1次测量时状态判断函数值；判断函数值ρ_i的下限为0，当计算值为负数时记为0；

(34)判断均衡电路开关：当判断函数值ρ_i增长到设定阈值时，均衡电路开启，判断函数值ρ_i重置为0，当均衡过程结束后返回步骤(31)重新计算。

4.根据权利要求3所述的锂电池主动均衡控制方法，其特征在于：步骤(31)中所述的根据电池组内SOC估算值的众数SOC_mode选择均衡模式，包括电压均衡模式和SOC均衡模式，选择条件为：

5.根据权利要求3所述的锂电池主动均衡控制方法，其特征在于：步骤(32)中所述的状态判断函数F，在电压均衡模式下，计算式为：

式中，F_i为第i次测量时的状态判断函数值，β_set为电压均衡使能阈值，

其中V^max _i为第i次测量时电池组内单体电池最高电压，

为第i次测量时电池组的平均电压值，β_i-1为第i-1次最高电压与第i-1次电压平均值之差；

在SOC均衡模式下，计算第i次测量时状态判断函数值F_i的计算式为：

式中，δ_set为SOC均衡使能阈值；δ_i为第i次测量时电池组SOC估算值方差，δ_i-1为第i-1次测量时电池组SOC估算值的方差。

6.根据权利要求1所述的锂电池主动均衡控制方法，其特征在于，步骤1中所述的对电池组内电池进行SOC估算，是利用改进的强跟踪平方根容积滤波算法对电池SOC进行实时估算，所述改进的强跟踪平方根容积滤波算法是采用平滑滤波算法对强跟踪平方根容积滤波算法进行改进，在计算锂电池状态的平滑估算值时引入平滑增益，采用固定区间平滑滤波模式，滤波和平滑过程同时迭代进行，实现实时SOC估算。

7.一种锂电池主动均衡控制系统，包括处理器和均衡电路，其特征在于：处理器执行权利要求1-6任一项所述的锂电池主动均衡控制方法中的步骤，用以控制串联电池组内各单体电池间的均衡电路的工作状态。

Images