（C语言版）扩展卡尔曼滤波器EKF的锂电池SoC计算仿真模型 容积卡尔曼滤波CKF进行锂电池SOC估计的C语言版本实现，包含定参和FFRLS两种情况，已在VS2019和Ubuntu 20.04.4版本中运行成功，根据输出文件数据在origin中绘图如图2，3所示

该代码实现了基于扩展卡尔曼滤波（EKF）和遗忘因子递归最小二乘（FFRLS）算法的电池荷电状态（SOC）估算功能，主要用于电池管理系统中对电池剩余电量的精准估计。

核心功能模块

1. 电池模型相关函数

• OCVfromSOC函数：通过9阶多项式SOC-OCV多项式拟合公式，根据当前SOC值计算电池开路电压（OCV）。
• dOCVfromSOC函数：计算OCV对SOC的导数，用于EKF算法中的观测矩阵更新。

2. 矩阵运算工具函数

实现了矩阵的基本运算，为EKF和FFRLS算法提供数学支持：

• 矩阵加法（Madd）、减法（Msubstract）
• 矩阵乘法（Mmultiple）、数乘（MxN）、数除（MdivN）
• 矩阵转置（Mtranspose）

3. 扩展卡尔曼滤波（EKF）模块

• EKF函数：实现SOC估算的核心算法，包括：
• 时间更新：根据系统模型预测当前状态和协方差矩阵
• 测量更新：利用电池端电压观测值修正预测结果，得到最优SOC估计
• 状态矩阵和协方差矩阵的迭代更新

4. 参数辨识模块

• FFRLS函数：采用遗忘因子递归最小二乘算法，在线辨识电池模型参数
• xita2RC函数：将辨识得到的参数转换为电池等效电路模型中的电阻（R0、R1、R2）和电容（C1、C2）参数

5. 主程序（FFRLS+EKF）

• 读取输入数据（SOC真实值、电流、电压）
• 初始化EKF和FFRLS算法的参数（协方差矩阵、初始状态等）
• 迭代执行参数辨识和SOC估算：
• 利用FFRLS算法实时更新电池模型参数
• 基于更新后的参数，通过EKF算法估算SOC
• 将估算结果写入输出文件，同时计算并显示程序运行时间

算法流程

1. 从CSV文件读取电池测试数据（SOC真实值、电流、电压）
2. 初始化系统参数和状态变量
3. 对于每一组数据：
   - 构建FFRLS算法的回归向量H
   - 调用FFRLS算法更新模型参数
   - 将辨识参数转换为等效电路参数（R0、R1、C1、R2、C2）
   - 更新EKF的状态转移矩阵A和输入矩阵B
   - 调用EKF算法估算当前SOC
   - 保存估算结果并更新历史数据
4. 输出运行时间和完成信息

应用场景

该代码可应用于电池管理系统（BMS）中，通过融合电流、电压等可测量信息，实现对电池荷电状态（SOC）的精准估算，为电池充放电管理、剩余续航预测等提供关键依据。