本文主要介绍二阶等效电路模型建立后，如何推导出用于SOC估计时的A、B、C、D和H矩阵，以及如何利用这些矩阵和EKF算法进行SOC估计

等效电路模型状态观测方程的建立

由于推导涉及很多数学公式，我这里用我在平板上的笔记进行代替，字有点滑，意思应该还是可以表达清楚的。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

A、B、C、D、H矩阵

推导完成后，提取A、B、C、D、H矩阵
在这里插入图片描述

卡尔曼滤波计算过程

在这里插入图片描述
卡尔曼滤波的本质就是综合多种测量结果获取误差的方差最小化进而实现一个最优估计，在SOC估计中第一是采用了安时积分法进行估计，第二是利用端电压拟合OCV再估计SOC。最后利用卡尔曼滤波将二者结合实现SOC最优估计。
本文主要介绍了基于卡尔曼滤波的SOC估计原理，详细代码我会在下一个文章基于EKF的SOC估计代码中进行详细介绍。
如果有什么问题交流可以留言或QQ：2267897749一起讨论，如果有您希望直接购买到可以直接使用的代码和数据，可以在闲鱼中搜索用户 BMS小旭 进行购买，价格十分便宜。
在这里插入图片描述

# 能源
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

Understand Anything 多智能体知识图谱管线：从代码扫描到可交互 Dashboard 的实现解析

本文以 Understand Anything 的官方文档为主线，系统拆解它如何用一条「Tree-sitter 静态分析 + LLM 语义理解」的多智能体管线，把任意代码库 / 知识库 / 文档转换成可探索、可检索、可问答的知识图谱，并落到一个可交互的 Web Dashboard。读完你应能掌握：如何安装并在 Claude Code / Codex / Cursor / Copilot / Gem

avatar 天工造物局

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局