卡尔曼滤波法 "

卡尔曼滤波法，是建立在安时积分法的基础之上的。卡尔曼滤波法的主要思想，是对动力系统的状态做出最小方差意义上的最优估计。该方法应用于电池

SOC估计，电池被视为一动力系统，荷电状态为系统的一个内部状态。该系统输入的一般项有：电池电流、环境温度、电池剩余容量、欧姆内阻以及极化内阻等变量，系统的输出为：电池的工作电压。由于电池等效模型确定的是非线性方程，在计算过程中要线性化处理。预估电池荷电状态方法的核心思想是包括荷电状态估计值和反映估计误差的、协方差矩阵的递归方程，协方差矩阵用来给出估算误差范围。卡尔曼滤波法在实际运用中矩阵运算量大，需要高运算能力的单片机。

滤波是指从被噪声污染的观测信号中过滤噪声，尽可能地消除和减小噪声影响，求未知真实信号或系统状态的最优估计。作为动态系统状态估计的常用方法，卡尔曼滤波能将前次时刻的状态估计值与当前系统输入值相结合，使用迭代循环方式来实现最小方差估计。

从一些研究文献来看，卡尔曼滤波算法在电动汽车电池管理系统中研究比较多，那是由于动力电池和管理系统工作条件恶劣。动力电池在充放电过程中，大量的电磁干扰通过传导和辐射形式干扰电池管理系统工作使得电池管理系统经常出现数据误采集情况，进而导致

SOC 的估计结果不准确。卡尔曼滤波能较好的解决这个问题。

优点：适应性较好，有助于修正初始值，有助于克服传感器精度不足的问题，抗干扰性能好。

缺点：对初始状态和当前系统输入比较敏感，计算量大。