1.一种基于卡尔曼滤波框架估算电池SOC的自适应优化方法，其特征在于，建立电池二阶RC等效电路模型，对电池二阶RC等效电路模型的参数进行辨识，然后对扩展卡尔曼滤波算法加入自适应优化策略，将自适应优化后的扩展卡尔曼滤波算法应用于电池SOC估算；

所述自适应优化后的扩展卡尔曼滤波算法应用于电池SOC估算的具体过程为：(1)建立电池的状态方程和观测方程其中： xk表示模型的状态变量，时间常数τ1＝R1C1、τ2＝R2C2，η为库伦效率，Ik‑1表示k‑1时刻实际的电流，f(SOCk)表示开路电压UOC与SOC函数关系，SOCk为k时刻荷电状态，R′0为电池欧姆内阻，R′1、R′2为电池电化学极化内阻和浓差极化内阻，U1,k为k时刻电化学极化电压，U2,k为k时刻浓差极化电压，C1,C2为电池电化学极化电容和浓差极化电容，ωk为状态方程噪声，γk为观测噪声；

(2)对算法参数x0、P0、R0进行初始化T

x0＝[1 0.01 0.01]R0＝0.5

(3)对状态和状态协方差进行先验估计‑

xk＝f(xk‑1)

其中： 为电池在k时刻的状态先验估计，xk‑1为电池在k‑1时刻的状态量， 为k时刻系‑

统状态协方差先验估计，A为非线性系统中f(x)在xk处的偏导，Pk‑1为k‑1时刻系统状态协方差矩阵，Q为系统状态方程噪声方差；

(4)根据观测量与观测方程估计的差值Δk以及自适应优化策略来计算观测噪声方差；

设

如果Δk‑Δk‑1＜0，

如果Δk‑Δk‑1＝0，

Rk＝Rk‑1；

如果Δk‑Δk‑1＞0，

其中Δk为k时刻观测量与观测方程估计的差值，zk为电池在k时刻的观测量，xk‑为电池在k时刻的状态先验估计，Rk为k时刻观测方程噪声方差；

(5)计算卡尔曼增益系数

‑

其中：Kk为k时刻卡尔曼增益系数矩阵，H为非线性系统h(x)在xk处的偏导；

(6)根据卡尔曼增益系数来修正状态和状态协方差的先验估计其中：I为单位矩阵，Pk为k时刻系统状态协方差矩阵。

2.如权利要求1所述的基于卡尔曼滤波框架估算电池SOC的自适应优化方法，其特征在于，所述开路电压UOC与SOC函数关系为：

3.如权利要求1所述的基于卡尔曼滤波框架估算电池SOC的自适应优化方法，其特征在于，所述扩展卡尔曼滤波可用无迹卡尔曼滤波或容积卡尔曼滤波替换。

4.如权利要求1所述的基于卡尔曼滤波框架估算电池SOC的自适应优化方法，其特征在于，所述对电池二阶RC等效电路模型的参数进行辨识建立Simscape参数辨识模型，以电流为Simscape参数辨识模型输入、电压为Simscape参数辨识模型输出，同时加入解算器模块来配置模型仿真的求解方式。