锂电池SOC估计模型：12种卡尔曼滤波算法及优化技巧指南

锂电池管理系统里的 SOC 估计，选对算法真的省事不少。卡尔曼滤波的 12 种变体整理在一起，像 EKF、UKF、PF 这些都涵盖了，适合你对比选择。嗯，文档里还有每种算法的适用场景和优化建议，挺细的。

EKF 算法的扩展卡尔曼滤波在非线性模型时比较靠谱，响应快，稳定性也不错。你可以看看这份资源：锂电池 SOC 的基于 EKF 算法的扩展卡尔曼滤波估计。

要是你更关注预测精度，扩展卡尔曼+粒子滤波的组合也挺香的。噪声多、动态变化快的场景下更稳：基于扩展卡尔曼粒子滤波算法的锂电池 SOC 估计.pdf，可以参考下。

还有UKF（无迹卡尔曼）那种不需要线性化的，推理过程更自然，适合模型复杂但又不想过度调参的情况：UKF 估计锂电池 SOC。

另外还有PF（粒子滤波），适合极端状态下做补偿估计。比方说冬天低温放电，或者电池老化严重的情况，用 PF 会更有保障：PF 估计锂电池 SOC 程序。

建议你根据实际工况选模型。比如电动车 BMS 项目，优先考虑 EKF 或 UKF；如果是做无人机，轻量又抗干扰的 PF 方案更香。如果你是刚入门，先跑通 EKF，理解滤波器基本逻辑，再慢慢扩展。