一种深度融合神经网络无迹卡尔曼滤波的SOC估计方法

本发明公开了一种深度融合神经网络无迹卡尔曼滤波的SOC估计方法，涉及全钒液流电池技术领域，旨在实现对电池荷电状态的高精度估算。方法包括建立电池的二阶等效电路模型，并对其进行参数辨识；通过无迹变换获取一组sigma点，计算每个sigma点的传播状态估计和传播状态预测，并通过无迹变换得到先验状态估计的一阶统计矩和先验状态预测的一阶统计矩，及交叉协方差，得到观测差和状态更新差；将观测差和状态更新差输入至神经网络系统以获取卡尔曼增益，并通过卡尔曼增益对先验状态估计进行状态更新，得到对电池荷电状态的预测。