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)匹配的無跡卡爾曼濾波法來估算電池組的soc，提高了卡爾曼濾波算法的準(zhǔn)確度。仿真結(jié)果以及實驗驗證，證實該算法具有較高的估算精度，用時soc估算的效果較好。

動力電池組的soc計算是動力電池組BMS系統(tǒng)運行的重要前提。準(zhǔn)確的估算動力電池組的soc能夠提高電池的安全性能，有效的保護電池，延長電池組的使用壽命，提高電池的使用效率。

動力電池組的soc估算難點在于電池組系統(tǒng)動態(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)電池組的動態(tài)特性?？柭鼮V波算法能夠?qū)崟r的追蹤系統(tǒng)的狀態(tài)，適合用于動力電池組的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，而電池組是一個復(fù)雜的非線性系統(tǒng)，因此有采用泰勒展開來將非線性系統(tǒng)線性化的擴展卡爾曼濾波（EKF）算法，EKF算法能夠較好的應(yīng)用于電池組soc估算研究但計算的過程較為復(fù)雜，計算的穩(wěn)定性較差，因此文中采用的是無跡卡爾曼濾波（UKF）算法，UKF算法通過對系統(tǒng)的狀態(tài)變量進行UT變換，將狀態(tài)變量轉(zhuǎn)化為符合狀態(tài)變量統(tǒng)計特性的幾個采樣點，再帶入系統(tǒng)方程中運算。UKF算法相比EKF算法計算簡單，算法穩(wěn)定。

為了進一步提高計算精度，文中對于系統(tǒng)的噪聲采用自適應(yīng)匹配的算法，實時的更新系統(tǒng)的狀態(tài)噪聲和觀測噪聲，能夠進一步提高系統(tǒng)方程的準(zhǔn)確程度，提高算法的精度。