1.基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法，其特征在于，包括如下：S2、基于电池充电电压曲线的放电阶段电池端电压求解；

S3、基于充电电压曲线融合卡尔曼滤波估算电池SOC；

所述S3的具体实现：

首先建立电池等效电路模型，基于等效电路模型确立描述电池模型参数和SOC的状态方程，将卡尔曼滤波算法中电池端电压测量方程用式U放＝U充-(I充+I放)·R0-(U1,充+U1，放)+v进行替换，进而实现充电电压曲线与卡尔曼滤波融合估算电池SOC；

其中，I充为充电电流，R0为充电欧姆内阻，U1,充为充电极化电压，I放为放电电流，U1,放为放电极化电压，v表示系统噪声，U放为放电过程电池电压，U充为充电过程电池电压。

2.根据权利要求1所述的基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法，其特征在于，在步骤S2之前还包括：电压曲线特征分析的步骤S1。

3.根据权利要求1所述的基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法，其特征在于，所述S2的具体实现：S2.1、建立充电过程电池电压表达式为：

U充＝Uoc+I充·R0+U1,充

式中，Uoc为开路电压，I充为充电电流，R0为充电欧姆内阻，U1,充为充电极化电压；

电池开路电压可表示为：

Uoc＝U充-I充·R0-U1,充

S2.2、建立放电过程电池电压表达式为：

U放＝Uoc-I放·R′0-U1,放

式中，I放为放电电流，R'0为放电欧姆内阻，U1,放为放电极化电压；

S2.3、将式Uoc＝U充-I充·R0-U1,充代入到式U放＝Uoc-I放·R'0-U1,放中可得放电阶段电池端电压的表达式为：U放＝U充-I充·R0-U1,充-I放·R'0-U1,放+v式中，v表示系统噪声。

4.根据权利要求3所述的基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法，其特征在于，忽略电池充电欧姆内阻R0和放电欧姆内阻R'0间差异，只考虑电池欧姆内阻随电池老化的差异问题，将所述放电阶段电池端电压的表达式进行简化得到：U放＝U充-(I充+I放)·R0-(U1,充+U1，放)+v。

5.根据权利要求4所述的基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法，其特征在于，还包括噪声分析的步骤S2.4：将测量噪声ΔU放、ΔU充、ΔI充、ΔI放加入到式U放＝U充-(I充+I放)·R0-(U1,充+U1，放)+v中，得到如下放电阶段电池端电压的表达式：U放+ΔU放＝U充+ΔU充-(I充+ΔI充+I放+ΔI放)·R0-(U1,充+U1,放)由该表达式得出：ΔU放和ΔU充存在相互抵消，但充放电电流噪声ΔI放和ΔI充却存在叠加，毫安级别的电流噪声与毫欧级别的欧姆内阻相乘后数量级很小，该充放电电流噪声ΔI放和ΔI充的叠加对电池SOC准确估算影响较小。

6.根据权利要求1所述的基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法，其特征在于，所述电池等效电路模型采用一阶RC等效电路模型。