Keywords
Battery pack；SOC estimation；Inconsistency；Federated filter；Fault tolerance

缺點:其精度隨著初始誤差的增加而降低，並且在老化后急劇下降

曲線隨容量，溫度等而變化。因此，在實際長期使用中很難滿足精度要求。

擴展卡爾曼濾波器(EKF)已被廣泛採用

使用大量的訓練數據和先進的人工智慧演算法，如遺傳演算法，神經網路和支援向量機[

Soc遇到最大的問題就是會因為時間長度受到誤差的影響越大
因此，有必要開發一種估計方法，以減少單元SOC誤差對融合SOC估計的影響。

本篇提出一種基於模糊自適應聯合濾波（FAFF）的串聯電池組SOC估計方法，將聯合濾波器（FF）與MDM相結合

自適應聯合濾波（AFF）應用於串聯電池組的SOC估計。本地濾波器 （LF） 用於估計單元SOC。主濾波器（MF）用於融合電池SOC以獲得電池組SOC。通過根據電池SOC估計精度自適應調整資訊分佈係數，可以大大提高電池組SOC估計的可靠性。

提出一種基於模糊系統（FS）的SOC不一致性自適應方法。以三座標測量機估計的SOC和電池SOC的標準偏差為電池組的分佈特性，構建了模糊規則。自適應計算SOC融合權重，提高了融合估計結果的準確性和不一致性適應性。

通過模擬和實驗，給出了不同初始SOC不一致性下整個SOC範圍內整個充放電過程的SOC估計結果。討論了基於FAFF的電池組SOC估計方法與傳統方法相比的準確性

在LF產生較大測量誤差或電池組具有初始SOC誤差的條件下，驗證了基於FAFF的電池組SOC估計的容錯能力。

本文旨在設計一種優化的電動汽車估算系統，以實現更準確、更可靠的電池組SOC估算，確保能源的有效利用。