磷酸鐵鋰電池組soc估算是為了更好的應(yīng)用電池組作為動(dòng)力電池。文中選用了二階RC電池模型，應(yīng)用噪聲自適應(yīng)匹配的無(wú)跡卡爾曼濾波法來(lái)估算電池組的soc，提高了卡爾曼濾波算法的準(zhǔn)確度。仿真結(jié)果以及實(shí)驗(yàn)驗(yàn)證，證實(shí)該算法具有較高的估算精度，用時(shí)soc估算的效果較好。

動(dòng)力電池組的soc計(jì)算是動(dòng)力電池組BMS系統(tǒng)運(yùn)行的重要前提。準(zhǔn)確的估算動(dòng)力電池組的soc能夠提高電池的安全性能，有效的保護(hù)電池，延長(zhǎng)電池組的使用壽命，提高電池的使用效率。

動(dòng)力電池組的soc估算難點(diǎn)在于電池組系統(tǒng)動(dòng)態(tài)特性比較復(fù)雜，因此建立合適的電池模型，選擇合適的估算方法是soc估算的關(guān)鍵。常見(jiàn)的電池模型主要是電化學(xué)模型、神經(jīng)網(wǎng)絡(luò)模、等效電路模型，文中選擇的是2階RC等效電路模型，該模型能夠較準(zhǔn)確的反應(yīng)電池組的動(dòng)態(tài)特性?？柭鼮V波算法能夠?qū)崟r(shí)的追蹤系統(tǒng)的狀態(tài)，適合用于動(dòng)力電池組的soc估算研究。

卡爾曼濾波算法是應(yīng)用于線性系統(tǒng)的估算方法，而電池組是一個(gè)復(fù)雜的非線性系統(tǒng)，因此有采用泰勒展開(kāi)來(lái)將非線性系統(tǒng)線性化的擴(kuò)展卡爾曼濾波（EKF）算法，EKF算法能夠較好的應(yīng)用于電池組soc估算研究但計(jì)算的過(guò)程較為復(fù)雜，計(jì)算的穩(wěn)定性較差，因此文中采用的是無(wú)跡卡爾曼濾波（UKF）算法，UKF算法通過(guò)對(duì)系統(tǒng)的狀態(tài)變量進(jìn)行UT變換，將狀態(tài)變量轉(zhuǎn)化為符合狀態(tài)變量統(tǒng)計(jì)特性的幾個(gè)采樣點(diǎn)，再帶入系統(tǒng)方程中運(yùn)算。UKF算法相比EKF算法計(jì)算簡(jiǎn)單，算法穩(wěn)定。

為了進(jìn)一步提高計(jì)算精度，文中對(duì)于系統(tǒng)的噪聲采用自適應(yīng)匹配的算法，實(shí)時(shí)的更新系統(tǒng)的狀態(tài)噪聲和觀測(cè)噪聲，能夠進(jìn)一步提高系統(tǒng)方程的準(zhǔn)確程度，提高算法的精度。