1.一种锂电池状态估计方法，其特征在于，包括如下步骤：S1、建立分数价电气模型：包括建立整数阶二阶RC等效电路模型，通过二阶RC等效电路中电容的分数效应来计算锂电池的分数特性，然后结合二阶电路的基尔霍夫定律与电池的动态响应特性，推导出分数阶电池模型的状态空间方程；

S2、辨识分数价电气模型参数：

以实验数据为基础获得分数阶电气模型的参数集，并生成初始种群，通过指数变换的方法计算初始种群适应度，利用当代种群适应度的最大值和平均值作为评判标准，当个体最大适应度大于当代种群中的平均适应度时，认为个体性能较好，降低交叉概率Pc和变异概率Pm；当个体最大适应度小于当代种群中的平均适应度时，认为个体性能不佳，增大交叉概率Pc和变异概率Pm；概率自适应调整函数为：式中：fmax是当代种群中的最大适应度值；favg是当代种群中的平均适应度值；k1为交叉概率系数；k2为变异概率系数；

同时对群体集散度进行判断，群体集散度判断函数为:如果群体适应度满足该公式，则先认为群体足够离散，对当代群体先执行交叉再进行变异；否则，先执行变异再进行交叉；

直至达到最大代数目执行完后停止算法的执行，输出最优解，完成对分数价电气模型参数辨识，并将辨识结果实时反馈到分数阶电气模型；

S3、基于施密特正交变换的无迹卡尔曼粒子滤波算法的锂电池状态估计：S31、首先建立锂电池的离散状态空间模型，由模型状态方程的递推式和观测方程组成，其被定义为分数阶锂离子电池电气模型的状态空间方程式的基础上关于SOC的函数，锂电池SOC值作为状态变量，锂电池负载电压作为观测变量，将锂电池模型状态方程和观测方程离散化得到：T

式中：加权系数矩阵 状态向量[U1(k)，U2(k)，SOC(k)]；U1(k)为在k离散时间点时R1两端电压；U2(k)为在k离散时间点时R2两端电压；SOC(k)为在k离散时间点时电池的荷电状态；

k是离散时间点；wk为锂电池系统噪音，vk为锂电池系统测量噪声，其协方差分别为Qk和Rk；

S32、经施密特正交变换确定采样点，采样点的个数为L+1；

S33、根据锂电池状态空间方程，利用基于施密特正交变换的无迹卡尔曼粒子滤波算法实现锂电池SOC状态估计。

2.根据权利要求1所述的锂电池状态估计方法，其特征在于，步骤S1建立分数价电气模型的具体方法为：S11、建立整数阶的二阶RC等效电路模型，根据基尔霍夫定律写出二阶RC等效电路的状态空间表达式为：式中：U为输出端电压，I为输出电流；R0为锂电池的内部电阻；R1、R2、C1和C2为二阶电路的阻容参数；U1为C1的两端电压，U2为C2的两端电压；Uocv表示锂电池在开路情况下的电压；

S12、通过二阶RC等效电路中电容的分数效应来计算锂电池的分数特性，具有分数特性的电容器Cf通常称为分数电容器，其阻抗可定义为：式中，p是分数电容器的阶数；Zf(jω)是分数阶电容的阻抗；Cf(jω)＝2πfC，其中π是圆周率，f是频率，C是电容值；

将二阶RC等效电路中的电容器C1和C2换为分数阶电容器，其阻抗为：式中：m是电容C1的阶数，n是电容C2的阶数；

S13、依据分数阶二阶RC电路的基尔霍夫定律与电池的动态响应特性，并结合分数阶电容器的阻抗公式，推导出了分数阶锂电池电气模型的状态空间方程式：当m＝n＝1时，C1和C2为理想电容，当m＝n＝0时，C1和C2为理想电阻。

3.根据权利要求2所述的锂电池状态估计方法，其特征在于，步骤S32中采样点的选取方法为：I、确定Sigma权值：

II、对于输入维数j＝1，2，...，n时，迭代公式为：式中： 为迭代关系；j为维数；

III、对所生成的Sigma点加入系统状态X的均值和协方差信息：式中：系统均值；Pxx系统协方差； 为迭代关系。

4.根据权利要求3所述的锂电池状态估计方法，其特征在于，步骤S33中锂电池SOC状态估计的具体方法为：I、均值和方差的初始化：

式中： 为系统均值；P0为系统方差；

II、计算Sigma点：

产生L+1个Sigma点组成矩阵χk：式中：xk|k、Pk|k分别为均值和方差；

III、时间更新过程：

由非线性系统状态方程对各个Sigma点进行非线性变换：χk+1|k＝f(χk|k，uk)

通过加权得到状态的进一步预测：

通过加权得到方差阵的进一步预测：

式中：Pk+1|k为方差阵； 为权值；χi为i个Sigma点组成矩阵；Qk为wk的协方差；

由观测方程对各Sigma点进行非线性变换：Ψi，k+1|k＝g(χi，k+1|k)通过加权得到系统的进一步观测值：

式中： 为权值；ψi，k+1|k为非线性变换关系；

IV、量测更新：

系统输出方差阵：

式中： 为系统输出方差阵； 为权值；ψi，k+1|k为非线性变换关系；Rk为锂电池系统测量噪声vk的协方差；

计算协方差阵

式中： 为系统输出协方差阵； 为权值；Ψi，k+1|k为非线性变换关系；χi为i个Sigma点组成矩阵；

计算滤波增益阵：

式中： 为系统输出协方差阵；

得到状态更新后的滤波值：

xk+1|k+1＝xk+1|k+Kk+1(yk+1‑yk+1|k)式中：xk+1|k为状态的进一步的预测；Kk+1为滤波增益阵；yk+1|k系统的进一步观测值；

求解状态后验方差阵：

式中：Pk+1|k为加权得到方差阵的进一步预测；Kk+1为滤波增益阵； 为系统输出方差阵； 为滤波增益阵的转置矩阵；

V、计算权值：

各Sigma点权值：

式中： 为系统权值；L为Sigma点的个数；

VI、归一化权值：

式中： 为系统归一化权值； 为系统权值；N为Sigma点的个数；

VII、重采样：

计算有效粒子数目：

式中： 为系统权值；Neff为有效粒子数目，若Neff＜Nthreshold，则重新采样，重采样后的权值为 N为Sigma点的个数；

VIII、更新SOC：

式中：E(k)为均值；xk+1|k+1为状态更新后的滤波值； 为归一化权值。

5.一种应用权利要求1～4任意一项所述锂电池状态估计方法的系统，其特征在于，包括分数阶电气模型模块、参数辨识模块和状态估计模块；

所述分数阶电气模型模块用于在整数阶的二阶RC等效电路基础上，结合电容的分数阶特性，推导出分数阶锂电池模型的状态空间方程，并建立分数阶的锂电池电气模型；

所述参数辨识模块根据电模型阻抗参数，采用遗传算法，并引入概率自适应调整函数，使交叉概率和变异概率跟随个体适应度大小和群体的分散程度进行自动调整，实时将所求的的参数值反馈到分数阶电气模型；

所述状态估计模块采用基于施密特正交变换的无迹卡尔曼粒子滤波算法，在遵循采样点选取准则的前提下，对选取的采样点进行施密特正交变换，并进行锂电池SOC状态估计。