1.一种基于多新息理论的电动汽车动力电池SOC估计方法，其特征在于，包括以下步骤：

步骤一，通过间歇恒流放电法测取动力电池的电流与电压，通过多项式拟合法确定动力电池的OCV‑SOC的函数关系式：步骤二，建立动力电池二阶RC等效电路模型，推导其辨识模型，采用系统辨识的方法确定模型中的未知参数；

步骤三，构建多新息遗忘因子递推最小二乘辨识算法；

步骤四，针对锂离子电池非线性系统，采用多新息扩展卡尔曼滤波算法，并与多新息遗忘因子递推最小二乘辨识算法组成联合估计算法；

所述步骤二的具体步骤如下：(1)建立动力电池二阶RC等效电路模型：通过基尔霍夫定律，可得到动力电池二阶RC等效电路模型电气特性的表达式为：U＝Uoc[SOC(t)]‑U1‑U2‑I(t)·R0     (1)由于在实验中使用的锂离子电池自放电效率低，因此忽略电池自放电效应对等效电路模型的影响，定义Qn为电池的实际容量，通过安时积分法可以计算电池的SOC值，得到式(4)：

令等效电路模型的输入u和输出y分别为电流I和端电压U，状态变量为SOC、U1、U2，则式(1)到式(4)可整理成状态空间方程的形式，如式(5)所示：T

式(5)中：x(t)＝[SOC(t) U1(t) U2(t)]，u(t)＝I(t)，y(t)＝U(t)，其中，Uoc表示电池开路电压，R0是电池的欧姆内阻，R1、C1用于模拟电池动态特性中表现出的短时间响应阶段，即电压快速变化的过程，R2、C2用于模拟电池动态特性中表现出的长时间响应阶段，即电压缓慢稳定的过程；

(2)推导二阶RC等效电路模型的辨识模型，估计未知参数：由动力电池二阶RC等效电路模型可得：设τ1＝R1C1、τ2＝R2C2，可得：令：

a＝τ1τ2

b＝τ1+τ2

c＝R1τ2+R2τ1+(τ1+τ2)R0d＝R0+R1+R2

则式(7)可化简为：

2 2 2

τ1τ2Uocs+(τ1+τ2)Uocs+Uoc＝aR0Is+cIs+dI+aUs+bUs+U     (8)化简可得：

令：

则式(9)可化简为：

令：

T

θ＝[k1 k2 k3 k4 k5]y(k)＝Uoc(k)‑U(k)则可以得到：

式(11)为系统辨识中的辨识表达式，利用系统辨识中的参数估计方法将参数θ＝[k1 k2 T

k3 k4 k5]辨识出来，再利用辨识出来的参数值推导出相应的电阻、电容值，具体推导过程如下：

2

令k0＝T+bT+a，则可得：a＝k0k2         (13)由于c＝R1τ2+R2τ1+(τ1+τ2)R0、d＝R0+R1+R2，所以可得：R2＝d‑R1‑R0       (19)因为a＝τ1τ2、b＝τ1+τ2，故所述步骤三中，构建多新息遗忘因子递推最小二乘辨识算法具体内容如下：多新息遗忘因子递推最小二乘辨识算法如下：T ‑1

L(t)＝P(t)Φ(p,t)＝P(t‑1)Φ(p,t)[λIp+Φ(p,t)P(t‑1)Φ(p,t)]      (25)T

Y(p,t)＝[y(t),y(t‑1),…,y(t‑p+1)]     (27)y(t)＝Uoc(t)‑U(t)         (30)n×p n×n

其中， 是θ在t时刻的参数估计值，L(t)∈R 是系统的增益矩阵，P(t)∈R 是协方差矩阵，p≥1是新息长度，λ是遗忘因子；

所述步骤四中，针对锂离子电池非线性系统，采用多新息扩展卡尔曼滤波算法，并与多新息遗忘因子递推最小二乘辨识算法组成联合估计算法的具体步骤如下：

1)构建多新息扩展卡尔曼滤波算法：

1‑1)初始化：x(0)、P(0)、Q和R；

1‑2)k+1时刻状态变量预测，其中 为k+1时刻的预测值， 为k时刻的最优估计值；

1‑3)k+1时刻协方差矩阵预测，其中 为k+1时刻的预测值，P(k)为k时刻的最优滤波值；

1‑4)计算Kalman滤波增益；

1‑5)输出变量预测，其中 为k+1时刻输出矩阵的预测值；

1‑6)状态变量更新，其中 为k+1时刻的最优估计值，y(k+1)为k+1时刻输出变量的观测值；

1‑7)协方差矩阵更新，其中P(k+1)为k+1时刻协方差矩阵的最优滤波值；

1‑8)重复步骤1‑2)至1‑7)，直至滤波结束；

2)构建多新息遗忘因子递推最小二乘辨识算法与多新息扩展卡尔曼滤波联合估计算法：

T ‑1

L1(k)＝P1(k)Φ(p,k)＝P1(k‑1)Φ(p,k)[λIp+Φ(p,k)P1(k‑1)Φ(p,k)]     (39)T

P1(k)＝P1(k‑1)‑L1(k)Φ(p,k)P1(k‑1)                  (40)T

Y(p,k)＝[y(k),y(k‑1),…,y(k‑p+1)]     (41)y(k)＝Uoc(k)‑U(k)            (44)R2＝d‑R1‑R0              (48)