1.基于电压及电流双约束的车用并联动力电池的最小包络线SOC估计方法，其特征在于，包括如下：S1，建立并联电池电路模型及数学描述方程；

S2，制定并联电池SOC估计流程策略；

S3，进行常规状态下以及差异状态下并联电池SOC估计；

所述S1中并联电池的电路模型为n阶，具体连接为：

每个单体电池i等效为开路电压Uocv,i与欧姆内阻R0,i串联，多阶极化电阻Ri,j与极化电容Ci,j并联后再与开路电压Uocv,i、欧姆内阻R0,i串联，形成串联支路单元，将n个单体电池的串联支路单元相并联得到并联电池的电路模型；

所述S1建立电路描述方程包括如下：

基于基尔霍夫定律建立n‑RC等效电路模型描述方程，具体表达式为：式中，U为端电压；Uocv为开路电压；Ui为极化电压；R0为欧姆内阻；Ri为极化内阻，Ci为极化电容，i＝0,1,2,…,n；I为充放电电流；

对Ui进行离散化求解可得：

式中，t为系统采样周期；Ik为k时刻的电流；Ui,k为第i个RC网路在k时刻下极化电压；

如果已知模型参数Uocv、R0、Ri、Ci、电流及电压，可得：假设： c＝R0，根据式(4)，则电池输出电压与输入电流数学关系如下：

针对极化电压Ui，从离散时间域转换到Z域如下：

‑1 ‑1

U1[Z]＝aZ U1[Z]+bZ I[Z]                          (6)由式(6)可得， 将其代入式(5)中可知：

整理可得：

zU[Z]＝aU[Z]+zUocv[Z]‑aUocv[Z]‑czI[Z]‑(b‑ac)I[Z]          (8)求逆拉普拉斯变换可得：U[k+1]＝aU[k]+Uocv[k]‑aUocv[k]‑cI[k+1]‑(b‑ac)I[k]                    (9)将式(9)转化为输入输出方程yk＝θkΦk形式，得：其中，欧姆内阻和开路电压可从式(10)中推导出，表达式如下：所述S2制定并联电池SOC估计流程策略具体包括如下：

根据建立的并联电池等效电路模型，建立并联电池SOC估计的状态空间方程，基于一阶RC等效电路模型电路原理和安时积分法SOC计算公式，选取电池SOC和RC网络的极化电压Up组成一个二维状态向量；分别选取电池端电压Uk和电流I作为观测量和控制量，由二维状态向量和端电压观测量可得如式(12)所示SOC估计的状态方程和测量方程：式中，SOCk为k时刻电池SOC，Qn为电池容量，Δt为采样间隔，τ为时间常数，τ＝RpCp，Rp为并联电池极化内阻，Cp为并联电池极化电容；

假设： uk＝Ik, 则式(12)可转化为

xk＝A·xk‑1+B·uk‑1；

电池模型参数估计的状态方程和测量方程如下：

式中，Up,k为并联电池模型极化电压，I为充放电总电流，参数矩阵θ＝[R0,R1,C1,Qn]；

通过上述计算分析，能够得出基于电压及电流双约束的DEKF算法对并联电池模型参数和SOC联合估计流程。

2.根据权利要求1所述的基于电压及电流双约束的车用并联动力电池的最小包络线SOC估计方法，其特征在于，所述S3中常规状态下并联电池SOC估计采用带遗传因子递推最小二乘法算法(Forgetting Factor Recursive Least Squares,FFRLS)辨识得到的电池开路电压、欧姆内阻、极化内阻及极化电容参数，作为改进DEKF算法模型参数初始值；再结合改进DEKF联合估计算法的具体流程，分别得到模型参数、端电压及SOC估算结果。

3.根据权利要求2所述的基于电压及电流双约束的车用并联动力电池的最小包络线SOC估计方法，其特征在于，所述常规状态下并联电池SOC估计的结果为：容量最大误差为

0.2Ah，欧姆内阻和极化内阻在放电初始阶段辨识参数值波动幅度较大，进入放电平台期，参数值波动幅度较为平稳，放电即将结束阶段，欧姆内阻和极化内阻的辨识曲线呈现大幅度上升；极化电容变化曲线随着放电深度的进行呈下降趋势，仅在放电即将结束时产生剧烈波动；端电压实测曲线与辨识曲线之间的偏差很小，并且辨识误差曲线呈现密集的波浪式波动，除放电即将结束阶段外，电压辨识误差不超过0.05V；并联电池SOC估计误差在1％内。

4.根据权利要求1所述的基于电压及电流双约束的车用并联动力电池的最小包络线SOC估计方法，其特征在于，所述S3中差异状态定义为一节单体电池健康状态SOH为100％，另一节单体电池SOH为80％的极端情况。

5.根据权利要求4所述的基于电压及电流双约束的车用并联动力电池的最小包络线SOC估计方法，其特征在于，极端差异状态下各单体电池端电压以及SOC变化与将并联电池看成整体得到的电池端电压与SOC估计曲线不同，结果为SOC估计值紧密跟随并联电池模组中各单体电池中SOC的较小值包络线，逐渐稳定在5％内。