针对锂离子动力电池的荷电状态（SOC）估计问题,以三元锂（MNC）电池为研究对象,选用Thevenin等效电路模型,建立电池模型的状态方程和观测方程,完成了带遗忘因子的递推最小二乘法（FFRLS）的理论推导。进行电池单体混合动力脉冲功率特性测试（HPPC测试）,基于测试数据和FFRLS算法完成电池模型的在线参数辨识,并通过锂离子电池的端电压精度来验证算法的可行性;在此基础上,提出一种权值选择粒子滤波（WSPF）算法来实现锂离子电池SOC估计,该算法中全部粒子都参与粒子滤波过程,但只选择较优权重粒子用于电池状态估计,从而解决粒子滤波的粒子退化问题,提高粒子的多样性。通过HPPC测试和动态工况测试（DST）结果验证,WSPF算法的估计精度能控制在2%以内。与重采样粒子滤波（SIR-PF）算法相比,WSPF算法的估计精度高,鲁棒性好。

国家重点R&D计划项目（2017YFB0103801）；上海汽车工业技术发展基金会项目（1620）；

1 电池模型
2 模型参数辨识
2.1 辨识原理
2.2 实验验证
3 SOC估计算法
3.1 权值选择粒子滤波算法
3.2 锂离子电池SOC估计
3.3 实验验证
4 结论

彭方想,南金瑞,孙立清.基于权值选择粒子滤波算法的锂离子电池SOC估计[J].太原理工大学学报,2020,51(05):750-755.