1.一种锂电池多传感器信息融合荷电状态的估计方法，其特征在于：包括如下步骤：步骤S1、基于二阶RC模型建立锂电池二阶RC模型，确定使用的电压及电流传感器数量，采集所有组电压及电流传感器数据，使用基于带遗忘因子的最小二乘法对锂电池参数进行在线辨识；

步骤S2、将所有组电压及电流传感器数据送入子滤波器，采用DS‑AFEKF算法进行子滤波器SOC估计，每个子滤波器并行工作，分别得出不同的局部最优值，并将这些值送入主滤波器，接着主滤波器将这些局部最优值进行信息融合，得出全局最优估计值并输出；

步骤S3、根据每个电压及电流传感器的可信度为它们分配各自的权值，在每次算法迭代时，将所有电压及电流传感器划分为目标传感器和证据传感器，根据证据与目标传感器的相对大小关系，定义新证据的基本信任分配，采用改进D‑S证据理论实时更新所有电压及电流传感器在AFEKF算法中的融合权值；

步骤S4、输出新证据的基本信任分配权值到各个子滤波器，进行下一次的算法迭代；

步骤S5、估计锂电池SOC时反复进行与步骤S2～S4相同的优化及迭代操作，直到迭代结束，将估计出的SOC值输出，并绘制其变化曲线。

2.根据权利要求1所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征在于：所述步骤S1中锂电池二阶RC模型的表达式为：其中，uoc是电池的开路电压，u是电池的端电压，i是电池中的电流，RS是电池的欧姆内阻,Rτ和RL分别表示浓差极化内阻和电化学极化内阻，Cτ和CL分别表示电池的浓差极化电容和电化学极化电容，uτ和uL分别表示电池的浓差极化电压和电化学极化电压，η为库伦效率，QC电池额定容量，t0为初始时刻，t为当前时刻。

3.根据权利要求2所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征在于：所述步骤S1中对锂电池二阶RC模型进行离散和线性化，选取两个RC回路的电压以及电池的荷电状态作为状态变量，并考虑随机扰动，得到离散状态方程和观测方程如下：T

式中，X(k)＝[uτ(k)uL(k)SOC(k)] ,U(k)＝i(k)，Z(k)＝u(k)，其中的偏微分项由H[SOC(k)]在SOC(k)附近进行一阶泰勒展开获得D＝RS，TS为采样周期，W(k)是过程噪声，V(k)是观测噪声，k为时刻；系统的噪声统计特性描述为：式中，E[·]表示相关噪声的数学期望，Q(k)是过程噪声方差，R(k)是观测噪声方差，η(k,j)是克罗内克函数，定义为：

4.根据权利要求3所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征在于：所述步骤S2中描述第i个子滤波器为：第i个子滤波器和主滤波器的时间更新和观测量的预测为：

式中，当i＝1,2,…,M时表示子滤波器,当i＝g时表示主滤波器；

第i个子滤波器和主滤波器的测量更新为：

T T ‑1

Ki＝Pi(k+1|k)C(CPi(k+1|k)C+Ri) ，T

Pi(k+1|k+1)＝Pi(k+1|k)‑Pi(k+1|k)KiC，第i个子滤波器和主滤波器的协方差和状态分配公式为：

式中，Qi为子滤波器的观测噪声方差，Qg是主滤波器的观测噪声方差，Pi是子滤波器系统协方差阵，Pg是主滤波器的系统协方差阵，βi是每次滤波后的反馈权值，须满足信息守恒原则： 且0≤βi≤1；

汇总每一个滤波器的局部最优值到主滤波器，进行信息融合，融合方法为：由下式可得全局最优状态更新：

由下式可得全局状态协方差阵：

5.根据权利要求4所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征在于：所述步骤S1和步骤S2中采用带遗忘因子的最小二乘法对锂电池参数和SOC估计交替进行，得到自适应联合扩展卡尔曼滤波算法，自适应联合扩展卡尔曼滤波算法具体公式如下：式中， 为待辨识的参数变量，P(k)是系统的估计协方差阵，h(k)是系统的增益矩阵， 是系统数据变量，n1，n2为正数，λ是引入的遗忘因子，取值区间为0.95～1。

6.根据权利要求5所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征在于：所述步骤S3中每个电压及电流传感器的可信度为它们分配各自权值的分配过程为基本置信分配，公式如下：式中，m(·)是识别框架Θ上的基本置信分配函数，而且，使得m(α)>0的α称为焦元，φ为空集。

7.根据权利要求6所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征在于：所述步骤S3中改进D‑S证据理论实时更新所有电压及电流传感器在AFEKF算法中的融合权值的过程为：设在某一时刻，由每个子滤波器电压传感器测量值组成的集合为Τ：Τ＝[Z1(k),…,Zi(k),…,ZM(k)]，

1)随机挑选其中某一个传感器Zi(k)为目标传感器集To，则剩余的所有传感器组成证据传感器集Tm：

2)定义目标传感器和证据传感器测量值之间的大小为d,则目标传感器和每个证据传感器测量值之间的大小为：dj＝|Zi(k)‑Zj(k)|，j＝1,2,…,M,j≠i；

3)得到每个电压传感器对应子滤波器的基本置信分配函数：式中，αi，i＝1,2,…,M，为第i个焦元；

4)将所有证据融合，得到各个电压传感器对应子滤波器的分配权值：式中， 为所有证据的平均信任分配，βi是概率分配的权值，γ表示证据之间的冲突系数，其值表示证据间的相关程度。