铁路蓄电池技术特点包括，重载铁路的技术特点-应急设备-悠悠商贸

蓄电池作为应急电源，广泛应用于动车组辅助供电系统中。电池荷电状态可以反映电池在充放电过程中的剩余电量，是动车组电池的重要参数。管理系统。准确估计电池的荷电状态可以有效提高电池的效率和使用寿命。但电池内部的化学反应复杂且难以测量，目前电池的荷电状态大多只能通过间接测量和计算的方法获得。

对此，北京交通大学电气工程系和交通运输部水运科学研究院研究员郝文梅、张利伟在2021年《电气工程学报》增刊1上用钛酸锂撰写了文章。作为研究课题，我们通过电池工况实验，提出了一种自适应卡尔曼滤波电池荷电状态估计方法，比较了中国标准动车组的电池识别精度，并在Matlab中验证了电池荷电状态估计的准确性。动车组锂电池的数量。取决于。

由于化石能源的不断枯竭，电池作为新能源行业的重要研究课题被众多研究者青睐，其中锂离子电池凭借高能量、高储能的优势被广泛应用于铁路列车上。通过高效、长寿命的应急电源为直流负载提供能量。考虑到实际动车组往往要在恶劣的环境条件下运行，动车组电池可能需要在高充放电电流倍率下运行，具有高功率特性和更宽工作温度范围的钛酸锂电池是首先使用的动车组电池。我的第二选择。第一选择。

动车组电池存在成本高、更换过程复杂、安全要求严格等题，因此监测电池运行状态、提高电池寿命、保证电池稳定充电具有重要的研究意义。电池的荷电状态是衡量电池剩余容量的重要标准，准确估算电池SOC可以准确反映电池的内部状态，但电池SOC不能直接测量，必须在此基础上进行估算。现有数据的准确性不理想，影响了基于锂电池的电池管理系统的准确性，导致电池效率和运行寿命的提高出现题。

目前常用的电池SOC估计方法有三种基于电池可测量参数的电池SOC估计方法、基于机器学习的电池SOC估计方法、基于电池模型和观测器的电池SOC估计方法。

基于电池可测参数计算的SOC估算方法包括开路电压法和安时积分法，这两种方法基本可以满足电池SOC估算的精度要求，需要计算量少且易于实现。实际电池工作环境复杂，SOC估算过程中存在电流累积误差和初值误差，估算结果容易出现较大偏差。

基于机器学习的电池SOC估计方法可以通过对大容量电池输入/输出数据进行机器训练来匹配电池SOC与输入量之间的关系，从而获得更准确的电池SOC估计。大量数据被用作研究的基础，如果输入数据不能涵盖所有操作条件，准确性就会受到影响。

根据电池模型和观测器的基本原理建立电池等效模型来估计电池SOC，模拟电池特性，根据电池模型总结电池SOC与模型参数之间的关系，使电池SOC预测成为现实。然后，根据观察结果，使用传感器测量的实际数据修改估计的电池SOC，以减少估计误差。目前常用的SOC估计方法有PI观测器估计法、滑模观测器估计法、卡尔曼滤波器估计法等。由于该方法估算SOC的精度受到模型精度的影响，因此尽可能提高模型的精度是提高估算精度的主要途径。

综上可见，基于电池模型和观测器的电池SOC估算方法在业界具有较好的实用价值，选择合适的电池模型并完成参数辨识可以提高电池SOC估算的准确性。对身高影响很大。

钛酸锂电池具有高功率特性、高循环寿命和更宽的工作温度范围，在动车组中非常受欢迎。北京交通大学研究人员选取中国标准动车组钛酸锂电池作为研究对象，建立了以钛酸锂离子电池为研究对象的二次RC等效电路模型，并利用扩展卡尔曼滤波方法进行了验证。在电池SOC的EKF估计的基础上，考虑到EKF方法噪声分布固定的缺点，提出一种AEKF方法来估计电池荷电状态，提高AEKF估计的精度。通过Matlab软件编程验证了该方法的有效性。

图1电池数据采集装置

研究结果表明，AEKF方法能够实时修正系统噪声，优势明显，荷电状态估计误差在1以内，具有良好的适应性。另外，如果实际初始状态与该方法设定的初始状态不同，AEKF估计的电池荷电状态可以在50秒内快速收敛到更高精度的电池SOC。

此外，研究人员指出，虽然本研究和实验都是基于理想的动力电池条件，但在实际生产和寿命应用中，环境温度和电池老化对SOC估算有显着影响，对于钛酸锂电池来说，温度工作范围较宽，且在此范围内仍能保持良好的性能，因此这也将是后续研究的重点。

上述研究成果发表在《电气工程学报》2021年增刊1上。论文题目为《动车组钛酸锂电池荷电状态估计》，作者为郝文梅、张利伟等。