1.一种双变结构滤波的动力电池荷电状态SOC的估计方法，主要步骤如下：Ⅰ、动力电池的参数辨识

Ⅰ-1、动力电池离散模型

采用电池等效模型描述电池的静态和动态性能；电池的极化内阻Rp与电池的极化电容Cp并联构成一阶RC结构，表示电池的极化反应，RC两端电压为Up(t)表示电容端电压；串接欧姆内阻R0，流过欧姆内阻R0的电流为i(t)，Uoc(t)为电池的开路电压OCV，采样得到电池端电压U(t)和流过欧姆内阻R0的电流i(t)；

所述电池等效模型数学表达式如下：

采用后向差分变换方法对公式(1)的电池模型离散化，得：Uk-Uoc,k＝a(Uk-1-Uoc,k-1)+bIk+cIk-1  (2)其中k是当前时刻，k-1是前一时刻，a、b和c分别为模型参数：Ik表示k时刻流过欧姆内阻R0的电流；

对公式(2)整理得动力电池等效模型的离散模型为：

Uk＝akUk-1+bkIk+ckIk-1+(1-ak)Uoc,k  (3)其中，ak、bk、ck与电池后向差分模型参数关系如下：式中T为采样周期，T为0.5秒至2秒；

通过动力电池离散模型的参数辨识，得到动力电池参数开路电压Uoc、电池的欧姆内阻R0、极化内阻Rp及电池的极化电容Cp；

Ⅰ-2第一变结构滤波的动力电池模型的参数辨识

采用第一变结构滤波对电池等效模型的离散模型进行参数辨识；根据公式(3)选择系统状态变量Xk＝[ak,bk,ck,(1-a)Uoc,k]T，得状态方程为：其中k是当前时刻，Xk∈Rn×1是系统状态变量；Zk∈Rm×1是测量状态变量；wk和vk分别为系统零均值随机过程噪声和测量噪声；C是测量方程系数，C＝[Uk-1,Ik,Ik-1,1]；

变结构滤波-Ⅰ算法下的参数辨识过程如下：

第一变结构滤波的 是系统状态变量X在k-1时刻的修正值， 是系统状态变量X在k时刻的修正值， 是系统状态变量X在k时刻的预测值； 是测量状态变量Z在k时刻的预测值； 是测量状态变量Z在k时刻的修正值；Kk是参数辨识在k时刻的修正增量，即系统状态变量X在k时刻的预测值 的修正量；

第一变结构滤波通过调整变结构滤波的修正增量Kk，不断修正状态变量X在k时刻的预测值 k时刻的修正增量Kk为：(8)、(9)式中zk是电池运行时的端电压k时刻的测量值，即Uk； 是当前k时刻测量状态变量Z的真实值与k时刻预测值之间的误差； 是k-1时刻测量状态变量的真实值与-1k-1时刻预测值之间的误差；C 是向量C的逆矩阵；β、γ是常数值，取值范围均为0～1，且β的取值直接影响变结构滤波参数识别的准确性；ο是Schur乘积，即两个矩阵对应元素相乘的结果；sat是饱和函数，其中Ψ为第一变结构滤波的平滑边界层厚度，第一变结构滤波的sat饱和函数的矢量定义如下：其中第一变结构滤波的饱和函数sat的定义如下：

其中Ψi是针对偏差 为了引进边界层而给出的边界，|Ψi|为边界层的厚度，取为常量，|Ψi|＝0.01～0.03；sign表示符号函数：通过以上第一变结构滤波，得到系统状态变量Xk＝[ak,bk,ck,(1-a)Uoc,k]T的修正值为从系统状态变量修正值得到动力电池模型的参数值：欧姆内阻R0、极化内阻Rp、极化电容Cp及k时刻开路电压的估计值Uoc，k，即OCV；

Ⅱ、动力电池开路电压OCV-SOC关系的拟合

OCV-SOC的高阶多项式逼近拟合数学模型关系如下：

式中：h1～h9为OCV-SOC高阶多项式拟合下的系数，逼近拟合后得：h1＝2.10×103，h2＝-

7.38×103，h3＝9.98×103，h4＝-6.23×103，h5＝1.40×103，h6＝3.26×102，h7＝-2.40×

102，h8＝47.98，h9＝22.27；SOCk表示在k时刻电池剩余电量值；

Ⅲ、第二变结构滤波的SOC估算方法

选择SOC和电池模型中极化电容Cp的端电压Up,k作为第二变结构滤波的系统状态变量，即XXk＝[SOCk Up,k]T，系统的状态方程和测量方程如下：其中：

(13)式中：T为采样周期；QN为电池额定容量；η为充放电库伦效率；Rp表示电池的极化内阻；Cp表示电池的极化电容；Uoc,k表示k时刻电池的开路电压；Ro表示电池的欧姆内阻；Uk表示电池运行时的k时刻端电压；ZZk是第二变结构滤波的测量状态变量，wwk和vvk分别为第二变结构滤波的系统零均值随机过程噪声和测量噪声；

把公式(12)代入测量方程(13)整理得：

其中CC为测量方程的系数，CC＝[h8 -1]；SOCk表示k时刻电池的剩余电量估算值；

根据Ⅰ-2步骤中第一变结构滤波公式(7)得：

状态更新时 中的KKk为修正增量，即 的修正值：

其中： 是第二变结构滤波的系统状态变量XX在k时刻的修正值， 是第二变结构滤波的系统状态变量XX在k时刻的预测值；CC-1是向量CC的逆反矩阵；

是第二变结构滤波的k时刻测量系统状态变量的真实值与预测值之间的误差；

是第二变结构滤波的k-1时刻测量系统状态变量的真实值与修正后的预测值之间的误差；ο是Schur乘积；sat是饱和函数，其中ψψ为第二变结构滤波的平滑边界层厚度第二变结构滤波的sat饱和函数的矢量，具体定义如下：其中第二变结构滤波的饱和函数sat的定义如下：

其中ψψi是针对偏差 引进边界层而给出的边界，|ψψi|为边界层的厚度，取为常量；

sign表示符号函数，其规则如下：

(15)式的修正增量计算式中，ββ是第二变结构滤波的端电压估算值和端电压真实测量值之间误差的绝对值 的系数，γγ是第二变结构滤波的端电压修正值和端电压真实测量值之间误差的绝对值 的系数。

2.根据权利要求1所述的双变结构滤波的动力电池荷电状态SOC的估计方法，其特征在于：所述步骤Ⅲ中的ββ取值的模糊规则如下：

式中 是测量系统状态变量的真实值与预测值之间的误差；UN为电池的额定电压。

3.根据权利要求1或2所述的双变结构滤波的动力电池荷电状态SOC的估计方法，其特征在于：所述步骤Ⅲ中的|ψψi|取值0.01～0.03。

4.根据权利要求2所述的双变结构滤波的动力电池荷电状态SOC的估计方法设计的一种双变结构滤波的动力电池荷电状态SOC的估计系统，包括微处理器、模数转换模块、电流传感器、电压传感器；电压传感器和电流传感器分别安装于待检测的动力电池端口，检测动力电池端电压和端口的电流，电压、电流传感器经模数转换模块连接微处理器，所述微处理器输出当前电池荷电状态的估计值；其特征在于：所述微处理器含有数据存储器和程序存储器，所述程序存储器内含有变结构滤波动力电池参数辨识模块，开路电压与SOC关系拟合模块以及参数自适应模糊调整模块；所述数据存储器存储动力电池的电压、电流检测数据和程序存储器中各模块计算过程中产生的数据。

5.根据权利要求4所述的双变结构滤波的动力电池荷电状态SOC的估计系统，其特征在于：所述微处理器与显示屏连接，在线显示当前的电池荷电状态的估计值。

6.根据权利要求4所述的双变结构滤波的动力电池荷电状态SOC的估计系统，其特征在于：所述微处理器配有CAN接口。