鋰電池SOC估算及改進(jìn)型DC/DC變換器均衡電路研究

王伯瑞， 鄭 培

(內(nèi)蒙古工業(yè)大學(xué)能源與動力工程學(xué)院，內(nèi)蒙古呼和浩特010051)

鋰離子電池組的不一致性會增加其過充(放)電的風(fēng)險，并造成個別電池易老化，在工作中易老化的電池過充(放)電會加速其老化和容量衰減，降低電池組可用容量和壽命，當(dāng)電池過充電量高于40%，溫度上升顯著，易引發(fā)熱失控，增加電池組安全隱患[1-2]。因此，需引入均衡技術(shù)減輕不一致性，提高電池組能量利用率。

根據(jù)能量傳遞方式的差異，均衡電路分為被動均衡和主動均衡，主動均衡利用儲能元件使能量在強(qiáng)弱電池間傳遞，已逐步取代低能量利用率、高散熱量的被動均衡，成為研究熱點(diǎn)，儲能元件包括電容、變壓器、電感等[3]。Cuk 斬波器通過電容使強(qiáng)電池放電和弱電池充電同步進(jìn)行，紋波電流小，但均衡效果隨能量傳遞路徑的增長而下降，使更多無關(guān)電池參與均衡，且元器件多，成本偏高；變壓器結(jié)構(gòu)將各電池與副邊連接，通過正反激原理實(shí)現(xiàn)能量轉(zhuǎn)移，均衡速度快，但變壓器銅損、鐵損等會產(chǎn)生能耗，所需副邊較多增加設(shè)計難度，拓展性差；雙向DC/DC 變換器利用電感實(shí)現(xiàn)能量在相鄰電池間傳遞，此結(jié)構(gòu)適合短距離均衡，當(dāng)能量差較大的兩電池相距較遠(yuǎn)時，均衡速度減緩，且增加開關(guān)耗損[4-6]。

均衡策略的研究主要是選取均衡變量，荷電狀態(tài)(SOC)與開路電壓具有正相關(guān)關(guān)系，可以反映電壓變化，且SOC 是綜合量，可表征內(nèi)阻和溫度等參數(shù)，而端電壓不能反映電池能量利用情況，在極限條件下電壓波動大，不能反映電池內(nèi)部參數(shù)，故SOC 為均衡變量較合理[7]。

SOC 估算方法包括Ah 積分法、Kalman 濾波法、神經(jīng)網(wǎng)絡(luò)法等，上述方法較成熟，但存在某些缺陷：Ah 積分法的SOC初值難以確定，且后期累積誤差大；Kalman 濾波器對模型精度要求高，且高階模型參數(shù)辨識繁瑣；BP 神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)，對初始權(quán)重敏感，且SOC 的影響因素多，使輸入變量維數(shù)大，網(wǎng)絡(luò)較復(fù)雜[8-10]。

綜上所述，本文提出基于SOC 的雙向DC/DC 變換器均衡方案。首先，設(shè)計開關(guān)陣列彌補(bǔ)DC/DC 變換器能量傳遞的局限性；然后，提出PCA-ACO-Elman 動態(tài)神經(jīng)網(wǎng)絡(luò)-UKF 聯(lián)合估算算法，以SOC 極值和均值為均衡啟停條件；最后，通過實(shí)驗(yàn)及Matlab/Simulink 仿真驗(yàn)證該方案的可靠性。

1 均衡電路分析

1.1 均衡電路結(jié)構(gòu)

本文采用基于開關(guān)陣列的雙向DC/DC 變換器電路，結(jié)構(gòu)見圖1。該電路由若干節(jié)鋰離子電池、兩組開關(guān)陣列和一個儲能電感組成，其中鋰電池為動力源，為汽車供電；開關(guān)陣列M 分為電池選擇陣列和極性選擇陣列，用于選擇均衡充放電的電池序號及控制電流傳遞方向和大小，盡量選擇阻抗較小的MOSFET 開關(guān)；儲能電感L 作為能量傳遞媒介，用于吸收強(qiáng)電池的能量以向弱電池充電。

圖1 均衡電路

1.2 均衡電路原理

當(dāng)均衡功能開啟時，以能量在B1、B2(強(qiáng)電池)和B6(弱電池)間傳遞為例進(jìn)行分析，設(shè)PWM 輸出占空比為D，均衡電路工作于電流斷續(xù)(DCM)模式，故D<0.5，均衡周期為T，等效電路、回路電流大小和流向及PWM 對相關(guān)開關(guān)輸出脈沖情況見圖2。

圖2 均衡示意圖

階段Ⅰ(0～t1)：此階段為強(qiáng)電池放電階段。當(dāng)處于0 時刻，PWM 控制M(1,1)、M(2,1)、M(2,8)、M(1,6)導(dǎo)通，導(dǎo)通時長為DT，B1和B2向L 釋放能量，此時回路①的零狀態(tài)響應(yīng)方程為：

式中：UD為M3的導(dǎo)通壓降；R1為放電回路損耗，包括上述4 個開關(guān)的阻抗、電感電阻等。

至t1時刻，回路電流達(dá)到峰值imax。

此階段L 儲存的能量為：

階段Ⅱ(t1～t2)：此階段為弱電池充電階段。除M(2,1)繼續(xù)導(dǎo)通外，PWM 還需控制M(2,6)、M(1,12)、M(1,13)導(dǎo)通，導(dǎo)通時長為t2-t1，L 將階段Ⅰ儲存的能量向B6傳遞，因電路工作于DCM 模式，故t2-t1

式中：R2為充電回路損耗，包括上述4 個開關(guān)的阻抗、電感電阻等。

至t2時刻，電流為0，能量傳遞結(jié)束。

此階段L 釋放的能量為：

綜合式(1)～(5)可得，一個均衡周期內(nèi)的能量轉(zhuǎn)換效率η為W2/W1。

階段Ⅲ(t2-t3)：此階段為靜置階段，目的是使電感復(fù)位可靠，無能量傳遞。

由圖2(b)可知，在能量傳遞階段，M(2,1)處于常開狀態(tài)，在放電階段，PWM 單元只需對M(1,1)、M(2,8)、M(1,6)輸出同步脈沖；同理，在充電階段，PWM 單元只需對M(2,6)、M(1,12)、M(1,13)輸出同步脈沖。因此，確定需要進(jìn)行充放電的電池后，PWM 控制過程簡單。

1.3 開關(guān)陣列

如圖1 所示，M(1,)系列開關(guān)為電池選擇陣列，其與各電池連接，用于選通對應(yīng)序號的電池參與均衡；M(2,)系列開關(guān)為極性選擇陣列，其與儲能電感連接，用于控制電流方向，即控制某電池充電或放電；M3 用于防止弱電池對電感反向充電。

當(dāng)奇數(shù)號電池參與均衡時，除導(dǎo)通與其相連的電池選擇開關(guān)外，若放電，還需導(dǎo)通M(2,1)和M(2,6)，若充電，還需導(dǎo)通M(2,3)和M(2,8)，其余開關(guān)斷開；當(dāng)偶數(shù)號電池參與均衡時，除導(dǎo)通與其相連的電池選擇開關(guān)外，若放電，還需導(dǎo)通M(2,3)和M(2,8)，若充電，還需導(dǎo)通M(2,1)和M(2,6)，其余開關(guān)斷開。M(2,2)、M(2,4)、M(2,5)、M(2,7)四個開關(guān)分別與上述開關(guān)互補(bǔ)，無論什么情況均關(guān)斷，用于防止上述開關(guān)導(dǎo)通時，電流雙向流通，開關(guān)陣列真值見表1。

表1 開關(guān)陣列真值

2 SOC 估算

本文提出PCA-ACO-Elman 動態(tài)神經(jīng)網(wǎng)絡(luò)-UKF 算法進(jìn)行SOC 估算，算法流程見圖3。首先，由于鋰離子電池SOC 影響因素多，造成后續(xù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，訓(xùn)練過程繁瑣，故本文使用PCA 算法消除影響因素間的相關(guān)性，利用有限個主元覆蓋原始數(shù)據(jù)提供的多數(shù)信息。然后，將PCA 算法得到的主元輸入Elman 神經(jīng)網(wǎng)絡(luò)，Elman 神經(jīng)網(wǎng)絡(luò)預(yù)測不依賴電池模型精度，且具備動態(tài)記憶效應(yīng)，SOC 估算是一個基于時間序列的問題，故可最大化Elman 神經(jīng)網(wǎng)絡(luò)的特有功能。為避免Elman 神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu)，利用蟻群算法的全局尋優(yōu)能力反復(fù)優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，訓(xùn)練完畢后，將測試數(shù)據(jù)的主元導(dǎo)入，即獲得網(wǎng)絡(luò)輸出結(jié)果。最后，將神經(jīng)網(wǎng)絡(luò)輸出結(jié)果作為觀測值輸入UKF 濾波器，輸出結(jié)果為最終預(yù)測結(jié)果。

圖3 算法流程

具體實(shí)現(xiàn)過程如下。

(1)對m 個SOC 影響因素進(jìn)行n 次觀測，得到原始數(shù)據(jù)矩陣x，并進(jìn)行去均值化處理，得到標(biāo)準(zhǔn)化矩陣X：

式中：x1、x2、……、xm均為SOC 影響因素。

(2)計算X 的協(xié)方差陣ΨX，并得到ΨX的特征根λ1≥λ2……≥λa≥0 及其對應(yīng)的特征向量p1、p2、……、pa。

(3)計算主元ti及其方差貢獻(xiàn)率δi，和前i 個主元的累積貢獻(xiàn)率μi，ΨX的特征根與δi成正比，故將特征根由大到小排列后，根據(jù)預(yù)設(shè)的累積貢獻(xiàn)率閾值，選取前p(p≤a)個主元代替原始自變量。

(4)確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：神經(jīng)網(wǎng)絡(luò)的輸入變量為PCA 算法確定的主元，輸出變量為SOC，隱含層節(jié)點(diǎn)個數(shù)l 尚無明確算法，故用經(jīng)驗(yàn)公式確定[11]。

(5)蟻群算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)：首先，確定蟻群系統(tǒng)初始參數(shù)，每只螞蟻的搜索范圍為[-10,10]，間隔為0.01，信息素矩陣為τ0，禁忌素矩陣為J0。然后，在第e 次迭代中，螞蟻k 第r 次(r≤待優(yōu)化的權(quán)值、閾值總數(shù))搜索從i 至j(i、j 為搜索范圍內(nèi)的某個數(shù)據(jù))的概率為：

式中：ak為螞蟻下一步被允許訪問的點(diǎn)的集合。此螞蟻完成搜索后，還原禁忌素矩陣。待本次迭代完成后，確定神經(jīng)網(wǎng)絡(luò)輸出最小誤差對應(yīng)的螞蟻，更新信息素τe。

式中：ρ1為信息素?fù)]發(fā)系數(shù)，0<ρ1≤1，取ρ1=0.7；ρ2為信息素增長系數(shù)，0<ρ2≤1，取ρ2=0.3；Δτe為網(wǎng)絡(luò)輸出最小誤差對應(yīng)的螞蟻?zhàn)哌^路徑的信息素。達(dá)到最大迭代次數(shù)或達(dá)到預(yù)設(shè)訓(xùn)練精度并穩(wěn)定后，視為ACO 對Elman 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練完畢。

(6)確定UKF 狀態(tài)方程和觀測方程。本文利用Ah 計量法進(jìn)行狀態(tài)預(yù)測，將PCA-ACO-Elman 神經(jīng)網(wǎng)絡(luò)的輸出值作為觀測值，可得：

式中：CN為電池額定容量；W(K)、V(k)分別為過程噪聲和測量噪聲。

(7)計算sigma 點(diǎn)及其對應(yīng)權(quán)值。

式中：λ 為縮放比例系數(shù)，取λ=1；α 控制sigma 點(diǎn)集的分布，取α=1；β 用于合并高階項的動差，取β=1。

(8)計算狀態(tài)量的一步預(yù)測值和協(xié)方差陣，UKF 算法利用一組sigma 點(diǎn)，并對它們加權(quán)求均值，得到狀態(tài)量的一步預(yù)測。

(9)再次使用UT 變換，產(chǎn)生新的sigma 點(diǎn)，代入觀測方程，得到觀測預(yù)測值，并通過式(13)加權(quán)，得到系統(tǒng)的預(yù)測值和協(xié)方差。

(10)計算UKF 增益陣，更新狀態(tài)量和協(xié)方差。

3 均衡方法研究

本文采用基于SOC 極值和均值的控制方法，即當(dāng)電池組SOC 極差或各電池SOC 與電池組SOC 均值之差的絕對值超過閾值時，最強(qiáng)電池的能量開始向最弱電池傳遞；當(dāng)電池組SOC 極差和各電池SOC 與電池組SOC 均值之差的絕對值同時低于閾值時，均衡停止[12]。

均衡開啟條件：

式中：λ1、λ2為均衡開啟閾值，只要滿足上式任意一個條件，均衡即開啟。

均衡結(jié)束條件：

式中：λ3、λ4為均衡結(jié)束閾值，只有同時滿足上式兩個條件，均衡才結(jié)束。

均衡流程見圖4，具體步驟如下。

圖4 均衡流程

(1)應(yīng)用電壓傳感器、溫度傳感器等專業(yè)儀器測量電池組原始數(shù)據(jù)，并根據(jù)第2 節(jié)中的算法進(jìn)行SOC 估算，計算電池組SOC 均值，判斷最強(qiáng)電池和最弱電池。

(2)判斷電池組是否滿足均衡開啟條件，若滿足，則轉(zhuǎn)至(3)；若不滿足，則均衡不開啟。

(3)PWM 對相應(yīng)MOSFET 開關(guān)輸出周期性脈沖，使最強(qiáng)電池的多余能量向最弱電池傳遞，此過程持續(xù)1 min 后，進(jìn)行SOC 估算，計算電池組SOC 均值，判斷最強(qiáng)電池和最弱電池，并判斷是否滿足均衡結(jié)束條件，若滿足，則均衡結(jié)束；若不滿足，則重復(fù)(3)。

4 實(shí)驗(yàn)與仿真分析

4.1 SOC 估算效果分析

本文的實(shí)驗(yàn)對象為某公司生產(chǎn)的電動公交車用電池包，該電池包由174 節(jié)18650 鋰電池串聯(lián)組成，單體標(biāo)稱電壓為3.36 V，容量為2.4 Ah，故電池包標(biāo)準(zhǔn)輸出電壓為582 V，能量為1.4 kWh，在充放電測試儀上進(jìn)行兩組充放電實(shí)驗(yàn)，采集周期為1 s。第一組以0.75 C 放電4 713 s，靜置1 834 s 后，又以0.5 C 充電2 160 s，共計8 707 組數(shù)據(jù)，作為訓(xùn)練數(shù)據(jù)；第二組以0.5 C 充電2 911 s，共計2 912 組數(shù)據(jù)，作為測試數(shù)據(jù)。

本文選取的初始自變量分別為電壓、電流、溫度、電池壽命、充放電循環(huán)次數(shù)、電池管理系統(tǒng)(BMS)使用壽命、電池管理單元(BMU)使用壽命，經(jīng)PCA 算法處理后，將輸出數(shù)據(jù)代入式(8)，結(jié)果見表2。

表2 PCA 算法結(jié)果

由表2 可得，前4 個主元累積貢獻(xiàn)率超95%，可近似認(rèn)為包含原始數(shù)據(jù)全部信息，第5～7 個主元總權(quán)重不足4%，可忽略，故選取累積貢獻(xiàn)率達(dá)到90%的前4個主元作為Elman 神經(jīng)網(wǎng)絡(luò)的輸入自變量，網(wǎng)絡(luò)輸入節(jié)點(diǎn)為4 個，輸出節(jié)點(diǎn)為1 個。根據(jù)經(jīng)驗(yàn)公式(11)確定神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)個數(shù)，初選節(jié)點(diǎn)個數(shù)為3～12 個，故選取4、6、8、10、12 個節(jié)點(diǎn)進(jìn)行仿真，利用ACO 對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，設(shè)置最大迭代次數(shù)為100，螞蟻為3 000只，訓(xùn)練完成后，將測試數(shù)據(jù)輸入網(wǎng)絡(luò)，結(jié)果見表3。

表3 節(jié)點(diǎn)個數(shù)的對應(yīng)誤差

經(jīng)綜合考量，選定隱含層節(jié)點(diǎn)個數(shù)為10 個，因此，ACO算法需優(yōu)化的權(quán)值和閾值的個數(shù)分別為50 和11 個。ACO 將網(wǎng)絡(luò)訓(xùn)練完畢后，將測試數(shù)據(jù)輸入，神經(jīng)網(wǎng)絡(luò)輸出結(jié)果后，將其輸入UKF 模型。本文選取PCA-Elman 神經(jīng)網(wǎng)絡(luò)估算和PCA-ACO-Elman 神經(jīng)網(wǎng)絡(luò)估算方法與上述方法進(jìn)行對比，對比曲線見圖5，誤差曲線見圖6，將誤差絕對值小于2%的時刻設(shè)為正確值，結(jié)果見表4。

圖5 SOC估算結(jié)果對比

圖6 誤差曲線

表4 算法結(jié)果對比 %

對比圖5(a)、(b)和圖6 可得，在多數(shù)時刻，PCA-Elman 神經(jīng)網(wǎng)絡(luò)輸出結(jié)果變化趨勢與實(shí)際值不符，此現(xiàn)象在充電開始和結(jié)束階段表現(xiàn)明顯，而PCA-ACO-Elman 神經(jīng)網(wǎng)絡(luò)輸出曲線在前期的跟隨性較好，但隨著充電進(jìn)行至2 000 s 開始，誤差累積造成后期誤差劇增，故雖然ACO 具有良好的全局尋優(yōu)能力，但無法解決誤差曲線在后期波動劇烈的問題，在電動汽車運(yùn)行過程中，會造成續(xù)駛里程計算錯誤，影響汽車行駛安全，且造成電池使用壽命下降。

對比圖5(b)、(c)和圖6 可得，PCA-ACO-Elman 神經(jīng)網(wǎng)絡(luò)經(jīng)UKF 濾波后，估算曲線變化的總體趨勢與實(shí)際相符，誤差曲線變化平穩(wěn)，具備良好的收斂性，無突變劇烈現(xiàn)象，誤差維持在1%左右。因此，本文提出的估算方法精度高，且穩(wěn)定性較好。

本文提出PCA-ACO-Elman 動態(tài)神經(jīng)網(wǎng)絡(luò)-UKF 聯(lián)合算法的前期Elman 神經(jīng)網(wǎng)絡(luò)訓(xùn)練在離線狀態(tài)進(jìn)行，為驗(yàn)證此算法在保證高精度的同時又可提升計算速度，即降低算法的訓(xùn)練復(fù)雜程度，將其與PCA-Elman 神經(jīng)網(wǎng)絡(luò)-UKF 算法、ACOElman 神經(jīng)網(wǎng)絡(luò)-UKF 算法的訓(xùn)練迭代次數(shù)和測試精度進(jìn)行對比，結(jié)果見表5。

表5 計算速度對比

由表5 可得，ACO 算法的全局尋優(yōu)能力使算法精度提高的同時，計算速度小幅提升；PCA 算法的加入使系統(tǒng)輸入變量維數(shù)減小，故迭代次數(shù)顯著下降，且估算精度的下降量極小可近似忽略。因此，本文提出的PCA-ACO-Elman 動態(tài)神經(jīng)網(wǎng)絡(luò)-UKF 聯(lián)合算法可以同時兼顧精度和速度。

為保證此算法在單片機(jī)的實(shí)現(xiàn)，作者在MPLAB IDE(PIC單片機(jī)的程序編譯環(huán)境)中編譯代碼，共有223 條指令，PIC18系列單片機(jī)是外部晶振模式，晶振頻率為10 MHz，故指令周期為1×10-7s，單次估算時長約為2.23×10-5s，而SOC 采集周期為1 s，因此用單片機(jī)可以實(shí)現(xiàn)該算法。

4.2 均衡效果分析

本文在Matlab/Simulink 2018a 的Simscape Power Systems平臺下構(gòu)建均衡模型，通過檢測各電池SOC 的變化以驗(yàn)證該均衡方案的優(yōu)越性，選定6 節(jié)串聯(lián)的標(biāo)稱電壓為3.3 V、容量為2.4 Ah 的磷酸鐵鋰電池為研究對象，初始SOC 分別為100%、90%、80%、70%、60%、50%。電感值設(shè)為1 mH，電感直流電阻設(shè)為0.75 Ω，PWM 輸出脈沖頻率為1 kHz，導(dǎo)通占空比為0.35。MOSFET 開關(guān)導(dǎo)通壓降設(shè)為0.1 V，阻抗為0.05 Ω。根據(jù)國家標(biāo)準(zhǔn)和本文的SOC 估算誤差，同時為防止開關(guān)頻繁開閉，將第3 節(jié)中的均衡開啟和結(jié)束閾值設(shè)置為λ1=10%，λ2=3%，λ3=8%，λ4=2.5%。將所提出的均衡方案與傳統(tǒng)DC/DC 變換器和cuk 斬波器進(jìn)行對比，其中傳統(tǒng)DC/DC 變換器選用雙向Buck-Boost 電路，二者的均衡能量傳遞方式均為相鄰單體-單體形式，即滿足均衡開啟條件時，強(qiáng)電池開始向相鄰的弱電池放電，直至滿足均衡結(jié)束條件為止，二者的電池參數(shù)、電感值、電感直流電阻、PWM 輸出脈沖頻率及占空比、MOSFET開關(guān)參數(shù)與上述一致，cuk 斬波器的電容值設(shè)為1 mF，且為保證均衡時間和效率對比的合理性和公平性，均衡開啟和結(jié)束條件與本文方案相同，對比曲線見圖7，結(jié)果見表6，表6 中均衡效率的計算方法為：各電池均衡過程中釋放或吸收的總體能量通過公式W=∫i(t)u(t)dt 確定(電流>0 充電，電流<0 放電)，故W>0，該電池均衡過程中吸收能量，W<0，該電池釋放能量，將吸收能量的電池的W 和釋放能量的電池的|W|分別相加，得到∑W(W>0)和∑|W|(W<0)，∑W/∑|W|即為總體均衡效率。

圖7 均衡對比曲線

表6 均衡對比結(jié)果

對比圖7(a)、(b)和表6 可得，在均衡后電池組SOC 極差相同和各電池SOC 與電池組SOC 均值之差的絕對值低于閾值的條件下，雙向Buck-Boost 電路的均衡時間比cuk 斬波器縮短9 016 s，均衡效率高5.07%。結(jié)果表明：與雙向Buck-Boost電路相比，cuk 斬波器均衡曲線的升降斜率小，即回路電流較小，單次能量傳遞能力較弱，故能量傳遞周期長，開關(guān)損耗、回路電阻等造成的能量損失劇增，導(dǎo)致均衡效率下降，在電池SOC 相差較大和能量傳遞路徑較遠(yuǎn)的情況下表現(xiàn)明顯。

對比圖7(b)、(c)和表6 可得，在均衡后電池組SOC 極差相同和各電池SOC 與電池組SOC 均值之差的絕對值低于閾值的條件下，本文提出的開關(guān)陣列結(jié)合DC/DC 變換器的均衡時間比雙向Buck-Boost 電路縮短1 552 s，均衡效率高4.96%。結(jié)果表明：開關(guān)陣列使能量傳遞方式更直接，即傳遞路徑更短，不再局限于相鄰單體，均衡后期的最強(qiáng)電池和最弱電池數(shù)量均增多，即參與充放電的電池增多，回路電流成倍上升，能量傳遞能力增強(qiáng)，且由于均衡電路工作時，PWM 只需對1～4 個開關(guān)輸出同步脈沖，能量傳遞回路的其余開關(guān)常開，即可實(shí)現(xiàn)能量在任意電池間傳遞，因此開關(guān)損耗較小，故均衡效果較好。

5 結(jié)語

針對鋰離子電池組使用中的不一致問題，本文提出以SOC 為變量的均衡方案。對于SOC 估算，設(shè)計PCA-ACOElman 動態(tài)神經(jīng)網(wǎng)絡(luò)-UKF 的SOC 聯(lián)合估算方法，使用PCA 對數(shù)據(jù)降維，并利用ACO 全局尋優(yōu)能力優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值替代依賴模型辨識精度的傳統(tǒng)Kalman 濾波器，將Ah 計量法公式應(yīng)用在UKF 狀態(tài)方程上對神經(jīng)網(wǎng)絡(luò)輸出結(jié)果進(jìn)行濾波；對于均衡電路，本文設(shè)計基于開關(guān)陣列的雙向DC/DC變換器電路，并以SOC 極值和均值為均衡開啟和結(jié)束條件。通過實(shí)驗(yàn)及仿真分析，此均衡方案的估算誤差小、穩(wěn)定性好、無誤差劇烈突變現(xiàn)象、計算速度快，且在改進(jìn)電池組不一致性的同時，均衡時間短、效率高，避免傳統(tǒng)DC/DC 變換器能量傳遞的局限性，故整體效果較好。