1.一种基于无迹卡尔曼滤波的电池SOC估算方法，其特征在于，包括以下步骤：建立二阶RC等效电路模型，基于所述二阶RC等效电路模型建立锂电池的状态空间方程；

进行放电‑静置实验确定开路电压OCV在不同放电阶段对应锂电池荷电状态SOC变化的关系，并拟合得到OCV‑SOC关系曲线；

基于所述状态空间方程计算得到电压估计值，利用递推最小二乘法对模型进行端电压辨识，得到端电压辨识曲线验证模型的精度；在锂电池恒流放电的情况下，对锂电池的开路电压、电流进行采样，获得开路电压的初始值；

利用无迹卡尔曼滤波算法，对状态空间方程不断优化，完成OCV‑SOC关系曲线的不断地预测和修正，实现荷电状态SOC估计值向荷电状态SOC实际值的不断收敛；所述OCV‑SOC关系曲线的表达式如下：

6 5 4 3 2

UOC＝F(SOC)＝31.26SOC ‑98.19SOC +120.1SOC ‑70.56SOC+19.07SOC ‑13.09SOC+

3.15；

利用无迹卡尔曼滤波算法，对状态空间方程不断优化的过程如下：用无迹变换找出采样点，在状态空间方程中设状态变量x的维度为n，则；

式中， 是Sigma点， 是收敛k次的状态变量最优值，i表示采样点的个数，λ为缩放

2 ‑4

比例系数，其计算公式如下：λ＝α(n+k)‑n，α为10 到1之间的整数；

采用以下公式分别计算Sigma点的均值权值 协方差权重 初始均值 和初始协方差

将状态空间方程定义为y＝f(x)，则将Sigma点代入到y＝f(x)中，则收敛k+1次的系统状态变量的估计值如下：i i

y＝f(x)，i＝0～2n；

式中， 表示采样点i的从收敛k次到收敛k+1次的状态变量均值；

式中， 表示采样点i的从收敛k次到收敛k+1次的状态变量最优值。

2.根据权利要求1所述的一种基于无迹卡尔曼滤波的电池SOC估算方法，其特征在于，所述状态空间方程如下：还包括基于所述状态空间方程建立的观测建立的观测方程，所述观测方程表达如下：y(k)＝[‑1 ‑1 0]x(k)+[‑R0]I(k)+v(k)；

T

式中，x(k)为收敛次数k的系统输入值，状态变量x＝[U1U2SOC]，y(k)为收敛次数k的系统的输出值，Δt为采样时间，R0为锂电池欧姆内阻，R1、R2为锂电池的极化电阻，C1、C2为锂电池的极化电容，U1为R1两端电压，U2为R2两端电压，ω(k)为收敛次数k的系统过程噪声，I(k)为收敛次数k的采样电流，v(k)为收敛次数k的观测噪声，qN为离散后需要计算的电容值，k为收敛次数。

3.根据权利要求1所述的一种基于无迹卡尔曼滤波的电池SOC估算方法，其特征在于，利用递推最小二乘法对模型进行端电压辨识的辨识流程如下：采用以下公式计算电池的参数辨结果：

式中， 为电池的观测参数矩阵；θ为参数矩阵，表示为θ＝[R0 R1 R2 C1 C2]；其中，R0为锂电池欧姆内阻，R1、R2为锂电池的极化电阻，C1、C2为锂电池的极化电容；e(k)为误差值。

4.根据权利要求3所述的一种基于无迹卡尔曼滤波的电池SOC估算方法，其特征在于，采用以下方法对参数矩阵进行优化：计算当前收敛次数k+1的增益值K(k+1)：式中，P(k)收敛次数为k的误差协方差矩阵， 为当前收敛次数k+1的观测数据矩阵；

计算等效电路模型的当前收敛次数k+1的参数误差e(k+1)：式中，y(k+1)为当前收敛次数k+1的系统的输出值，θ(k)表示收敛次数k的参数矩阵，表示当前收敛次数k+1的观测值；

采用以下公式得到当前收敛次数k+1的电池模型参数矩阵θ(k+1)：θ(k+1)＝θ(k)+K(k+1)e(k+1)。

5.根据权利要求1所述的一种基于无迹卡尔曼滤波的电池SOC估算方法，其特征在于，还包括以下步骤：对收敛k+1次的误差协方差矩阵进行预测：

式中，Qk+1为收敛k+1次的系统噪声协方差阵；

将收敛k+1次的状态量预测值点集代入观测方程中，利用观测方程获取收敛k+1次的观测预计值 在观测方程中进行一次状态传递，继而加权得到收敛k+1次的测量的均值计算收敛k+1次的测量值的方差矩阵Pxy，k+1：计算收敛k+1次的状态量与测量值协方差矩阵Pyy，k+1：计算卡尔曼滤波增益Kk+1：Kk+1＝Pxy，k+1/Pyy，k+1；

更新系统状态变量值

误差方差矩阵更新Px,k+1|k+1： 式中，为变量x收敛k+1次的状态变量最优值，y(k+1)为收敛k+1次的输出值， 为收敛次数k+1的系统的输出最优值。

6.根据权利要求4所述的一种基于无迹卡尔曼滤波的电池SOC估算方法，其特征在于，当前收敛次数k+1的误差协方差矩阵P(k+1)的计算公式如下：式中，I为单位矩阵，P(k)是收敛次数为k的误差协方差矩阵，K(k+1)为当前收敛次数k+1的增益值， 为当前收敛次数k+1的观测数据矩阵。

7.一种基于无迹卡尔曼滤波的电池SOC估算系统，用于实现如权利要求1至6中任意一项所述的电池SOC估算方法，其特征在于，包括：第一模块，被设置为建立二阶RC等效电路模型，基于所述二阶RC等效电路模型建立锂电池的状态空间方程；

第二模块，被设置为进行放电‑静置实验确定开路电压OCV在不同放电阶段对应锂电池荷电状态SOC变化的关系，并拟合得到OCV‑SOC关系曲线；

第三模块，被设置为基于所述状态空间方程计算得到电压估计值，利用递推最小二乘法对模型进行端电压辨识，得到端电压辨识曲线验证模型的精度；在锂电池恒流放电的情况下，对锂电池的开路电压、电流进行采样，获得开路电压的初始值；

第四模块，被设置为利用无迹卡尔曼滤波算法，对状态空间方程不断优化，完成OCV‑SOC关系曲线的不断地预测和修正，实现荷电状态SOC估计值向荷电状态SOC实际值的不断收敛。