AEKF_SOC_Estimation函数使用二阶RC等效电路模型（ECM）和自适应扩展卡尔曼滤波器（AEKF）估计电池的端电压（Vt）和荷电状态（SOC）。

经过深入的分析和试验研究，选择了一种综合的电量估计模型。我们称之为四元模型：它以精确的安时计量为基础；充分考虑各种影响因素进行补偿；考虑电池不一致性对电量估计造成的偏差；对长期的积累误差考虑进行自整定。

SOC估计常用的算法 （1）开路电压法 随着放电电池容量的增加，电池的开路电压降低。可以根据一定的充放电倍率时电池组的开路电压和SOC的对应曲线，通过测量电池组开路电压的大小，插值估算出电池SOC的值

锂电池模型建立、参数辨识与验证、SOC估计采用扩展卡尔曼滤波(EKF).7z

采用开路电压法和安时积分法相结合的算法，对soc进行估计

matlab代码，该代码包括锂离子电池实验数据，对于没有实验数据的用户十分友好，实验数据里有SOC-OCV曲线，以及实验室测量的电流电压。本代码采用了两个卡尔曼滤波器来完成SOC的估计，并与单独的卡尔曼滤波做了对比。代码的中文注释比较详细，帮助读者理解以及进行二次开发。程序可以完美运行，需要注意的点是先将文件里的数据导入matlab的工作空间，如有问题可在该页面下方进行评论或者私信我。

采用二阶RC模型，需要代入自己的数据的地方： R0 = @(x)(-0.07495*(x(4))^4+0.2187*(x(4))^3-0.1729*(x(4))^2+0.01904*(x(4))+0.1973); R1 = @(x)(0.07826*(x(4))^4-0.2208*(x(4))^3+0.217*(x(4))^2-0.08761*(x(4))+0.01664); R2 = @(x)(0.1248*(x(4))^4-0.2545*(x(4))^3+0.1254*(x(4))^2-0.03868*(x(4))+0.05978); C1 = @(x)(2431*(x(4))^4-4606*(x(4))^3+3084*(x(4))^2-589*(x(4))+209.8); C2 = @(x)(681.1*(x(4))^4-3197*(x(4))^3+4595*(x(4))^2-3114*(x(4))+1444);

采用无极卡尔曼滤波来估算电池SOC，在Simulink中搭建ukf的模型

压缩包里包括一个matlab主代码和电流电压数据，SOC-OCV拟合数据，二阶锂电池的R0、R1、R2、C1、C2参数数据，将数据导入工作空间即可完美运行代码，使用无迹卡尔曼滤波估计SOC，最后的估计结果与安时积分法进行对比，给出两张对比图。。代码里有清晰的备注，方便二次修改。代入你自己的电流电压数据即可，此代码是经过测试后百分比成功运行的，适合新手及有一定基础的开发人员。。

基于EKF实现的SOC估计采用扩展卡尔曼滤波 (EKF) ,用simulink搭建实现的。