磷酸鐵鋰電池組soc估算是為了更好的應用電池組作為動力電池。文中選用了二階RC電池模型，應用噪聲自適應匹配的無跡卡爾曼濾波法來估算電池組的soc，提高了卡爾曼濾波算法的準確度。仿真結果以及實驗驗證，證實該算法具有較高的估算精度，用時soc估算的效果較好。

動力電池組的soc計算是動力電池組BMS系統運行的重要前提。準確的估算動力電池組的soc能夠提高電池的安全性能，有效的保護電池，延長電池組的使用壽命，提高電池的使用效率。

動力電池組的soc估算難點在于電池組系統動態特性比較復雜，因此建立合適的電池模型，選擇合適的估算方法是soc估算的關鍵。常見的電池模型主要是電化學模型、神經網絡模、等效電路模型，文中選擇的是2階RC等效電路模型，該模型能夠較準確的反應電池組的動態特性。卡爾曼濾波算法能夠實時的追蹤系統的狀態，適合用于動力電池組的soc估算研究。

卡爾曼濾波算法是應用于線性系統的估算方法，而電池組是一個復雜的非線性系統，因此有采用泰勒展開來將非線性系統線性化的擴展卡爾曼濾波（EKF）算法，EKF算法能夠較好的應用于電池組soc估算研究但計算的過程較為復雜，計算的穩定性較差，因此文中采用的是無跡卡爾曼濾波（UKF）算法，UKF算法通過對系統的狀態變量進行UT變換，將狀態變量轉化為符合狀態變量統計特性的幾個采樣點，再帶入系統方程中運算。UKF算法相比EKF算法計算簡單，算法穩定。

為了進一步提高計算精度，文中對于系統的噪聲采用自適應匹配的算法，實時的更新系統的狀態噪聲和觀測噪聲，能夠進一步提高系統方程的準確程度，提高算法的精度。