1.一种基于HCKF的电池SOC估计方法，其特征在于包括以下步骤：步骤(1).获取k时刻的电池端电压yk和电池放电电流ik，k＝1，2，3，……；

步骤(2).用状态方程和观测方程表示电池的各个时刻的荷电状态；

状态方程：

其中xk为k时刻电池的荷电状态SOC值，即剩余电量；f(xk-1，ik)是状态预测函数；wk为过程噪声；ηt为电池的放电比例系数；Q是电池在室温25℃条件下，以1/30C的放电速率完全放电后所得到的额定总电量；Δt是测量时间间隔；

观测方程：

其中h(xk，ik)是观测函数；vk为测量噪声；R为电池的电阻，k0，k1，k2，k3，k4表示常数，具体数值可以通过标准放电速率对电池进行放电，使用放电过程中采集到的不同时刻的端电压yk和SOC值通过最小二乘法拟合得到测量；

步骤(3).执行参数的初始化

初始化荷电状态SOC起始估计值 及其方差P0，初始化过程噪声wk的方差Q和测量噪声vk的方差R，将起始估计状态 扩展为三维状态向量 同时将其方差P0也扩展为协方差 由于状态向量为三维，故共取6个基本容积点，计算基本容积点集ξi和权重ωi：

步骤(4).采用HCKF算法进行循环递推：(4-1).根据k时刻的荷电状态SOC估计值 及其方差Pk得到对应的三维状态向量 和协方差(4-2).通过状态方程进行时间更新，计算系统中的容积点其中Sk为对 进行Cholesky分解运算得到的下三角矩阵；T表示转置；

其中 为围绕状态估计向量 生成的容积点；

(4-3).使用容积点计算荷电状态SOC估计值 以及估计值协方差Pk+1|k：其中 为容积点通过状态预测函数得到的围绕状态量估计值 的容积点；

其中 为k+1时刻的荷电状态SOC估计值；

其中Pk+1|k为荷电状态SOC估计值 的协方差矩阵；

(4-4).通过观测方程进行测量更新，重新计算容积点；

Pk+1|k＝Sk+1|k(Sk+1|k)T式(10)其中Sk+1为对Pk+1|k进行Cholesky分解运算得到的下三角矩阵；T表示转置；

其中 为围绕荷电状态SOC估计值 重新生成的容积点；

(4-5).使用容积点计算测量估计值；

其中 为新容积点 通过观测函数 得到的围绕测量估计值 的容积点；

其中 为k+1时刻的测量估计值，即k+1时刻的端电压估计值；

(4-6).计算测量误差协方差和互协方差其中 为测量估计值 的协方差矩阵；

其中 为荷电状态SOC估计值 和测量估计值 的互协方差矩阵；

(4-7).计算卡尔曼增益和状态更新其中Kk+1是卡尔曼增益；

其中 是最终得到的k+1时刻的最佳荷电状态SOC估计值，yk+1为k+1时刻得到的实际测量值；

(4-8).最后更新最佳荷电状态SOC估计值 的协方差HCKF的k+1时刻最佳荷电状态SOC估计值的协方差矩阵Pk+1：其中矩阵Re，k表示为：

其中I表示单位矩阵，参数γ需要满足以下条件：其中Hk为系统的观测矩阵。

2.根据权利要求1所述的一种基于HCKF的电池SOC估计方法，其特征在于步骤(2)中放电比例系数ηt的确定方法为：(2-1)将完全充满电的电池以不同放电速率Ct(0＜Ct≤C，C为电池的额定放电电流)恒流放电N(N＞10)次，计算相应放电速率下的电池总电量Qt，1≤t≤N；

(2-2)根据最小二乘方法拟合出Qt与Ct间的二次曲线关系，即在最小均方误差准则下求出同时满足 其中a，b，c为所求得的最优系数；

(2-3)在放电电流为ik时，对应的放电比例系数ηt为：此处，最优系数a，b，c对于同一类型的电池只需确定一次，确定后可作为已知常数直接用于所有同类型电池的剩余电量估计。

3.根据权利要求1或2所述的一种基于HCKF的电池SOC估计方法，其特征在于步骤(2)中电池的内阻R以及常数k0、k1、k2、k3、k4的确定方法为：(2-4)在室温25℃条件下、以1/30倍额定电流对充满电的电池进行恒定电流放电直至电量耗尽；

(2-5)在放电过程中以时间间隔Δt测量电池在k时刻的端电压yk，k＝0，1，2，...M，其中k＝0对应电池充满后的起始放电时刻，k＝M对应电池电量耗尽的终止时刻；

(2-6)计算k时刻的剩余电量xk：(2-7)记

在上述表达中，将0至M时刻的端电压记为向量Y，将状态方程不同时刻的变量记为矩阵H，将电池模型的参数记为向量P；

根据P＝(HTH)-1HTY，即得到内阻R以及常数k0、k1、k2、k3、k4，其中T表示矩阵的转置；

对同一类型的电池，这些参数只需确定一次，确定后可作为已知常数直接用于所有同类型电池的剩余电量估计。