ups电源基于无迹卡尔曼滤波的迭代计算，实现SOC值的迭代计算，在用于跟踪锂离子电池组输出电压时，平均估算误差为0.01V，最大估算误差为0.05V。通过把SOC作为其状态方程中的变量，输出闭路电压作为观测方程的变量，构建状态方程和观测方程表达式。SOC(k)为状态变量，是k时刻的SOC值。U(k)为工作电压输出观测变量。状态方程系数A为系统矩阵，B为控制输入矩阵。H为观测矩阵，初始值为[001]。U(k)为考虑测量误差v(k)影响的电压信号输出。通过迭代计算，从上一个状态值SOC(k-1)、输入信号I(k)和测量信号U.(k)计算出卡尔曼滤波模型的估算值SOC(k)。利用无迹变换代替状态变量统计特性线性化变换，对于不同时刻的k值，具有高斯白噪声w(k)的随机向量SOC和具有高斯白噪声v(k)的观测变量U.(k)构成离散时间非线性系统。通过把该估算框架应用于估算过程中，构建锂离子电池组SOC估算模型，如图6-9所示。
ups电源表示状态方程的计算过程，S2阶段表示观测方程的计算过程。为了使其估算过程具有更好的稳定性和更高的精度，将无迹变换引入SOC估算过程中，从而使其不需要对状态方程和观测方程做雅可比矩阵计算。该方法无须对非线性状态方程函数f(·)和观测方程函数g(*)做线性化处理，使用无迹变换处理过程来找出检测数据点。
ups电源数据密度数据序列|应用于非线性状态空间概率函数求取过程中。样本数据点的选择基于无迹变换处理，结合先验均值和方差均值，并用于锂离子电池组SOC估算的状态空间描述中。该2n+1维sigma数据集和它的权重系数通过式，无迹变换处理获得。基于此公式，计算得到锂离子电池组的SOC统计特征。ups电源数据序列及其协方差矩阵的第i列；方差P为算术二次方根的转置与算数二次方根的乘积，ups电源通过对状态值进行原始状态分布筛选，获得锂离子电池组检测数据点；接着，把这些筛选出来的目标采样数据点代入状态方程和观测方程中；进而，获得非线性方程的数据点，并对这些数据点进行分析以得到其均值和方差值。通过此计算过程，无须线性化处理的均值和方差精度达到二阶，比使用泰勒级数展开实现的扩展卡尔曼滤波估算精度更高。ups电源表示采样数据点的序列号。A为整体缩放比例系数，通过参数修正调节其值的大小，来降低SOC估算的误差，是表征缩放比例的标量参数，用来降低SOC估算误差。α的选择决定了SOC值序列的状态分布，进而在矩阵(n+A)P是半正定矩阵的前提下，获得参数x的值。通过非负权重系数β的选取，融入状态空间方程高阶项的统计误差，以确保无迹变换转换中涵盖高阶项的影响。2022.05.19