ups电源计算状态空间变量的一步预测及其方差矩阵，进行sigma数据点序列的加权求和，结合无迹变换处理过程中的各个计算表达式实现SOC估算。该算法在状态空间函数中，用最后一个时间点代替SOC，只需进行一次计算即可获得SOC预测值。通过设定的3个数据点来实现预测过程，并结合加权系数计算平均值，ups电源计算输出闭路电压的预测均值及其自相关矩阵和互相关矩阵，并用于锂离子电池组SOC估算的校正环节。这ups电源该方法基于卡尔曼滤波算法框架实现迭代计算过程。在SOC估算的一步预测计算过程中，通过使用精简后的无迹变换来解决SOC估算均值和方差的非线性转换问题，使用样本序列数据集近似表征SOC估算过程的后验概率密度，无须进行雅可比矩阵计算。因此，在计算过程中，不存在高阶项被忽略的问题，使得该统计特征具有高精度的优势，有效降低了SOC估算过程中的非线性误差。
ups电源通过一次无迹变换获得SOC值的三个sigma数据点序列，及其分别对应的权值，和w。进而通过状态方程获得三个数据点对应的预测值，结合加权求和处理获得单个80C预测值。对该预测结果再次进行无迹变换，并把变换结果应用于观测方程，获得三个闭路电压预测值，以提高估算精度，加权求取闭路电压预测值，用于SOC估算过程的状态更新环节。ups电源通过不同温度和充放电倍率实验分析，获得在不同条件下的校正函数关系，并应用于SOC估算的选代计算过程，以提高SOC估算的精度和环境适应性，更好地达到适应环境工况的目标。ups电源部分是不定期地测定获得其老化比例系数，另一部分是实时估算过程中迭代次数的逐次累积影响。通过实验测定获得各项系数值，并应用于SOC 估算过程中。
ups电源具有更高的精度和鲁棒性，也同样依赖于准确的数学模型和过程噪声/观测噪声统计特征。在锂离子电池组SOC估算过程中，工况环境变化和运动状态剧烈变化时，过程噪声和观测噪声的统计特征也将发生明显变化，这将使得常规UKF的精度和稳定性降低。在使用常规UKF算法进行SOC估算的过程中，针对电流变化剧烈的模拟工况，该方法在模拟工况运行后期遇到协方差负定问题。在该问题中，状态变量SOC协方差P，的值就变成了负值，Cholesky分解要求矩阵必须具有半正定性，否则算法可能导致滤波发散，使滤波器失效，滤波器失效的原因是在数值计算中存在着舍入误差。ups电源数值不稳定性，在运行后期遇到的协方差出现负定，从而导致滤波器失效的情况，在UKF算法上加上QR分解，利用状态变量协方差的二次方根来代替协方差参与迭代运算，以保证协方差矩阵的非负定性和数值的稳定性。在迭代计算过程中，用SOC的误差协方差的二次方根来代替误差协方差值参与运算，直接将协方差的二次方根值进行传递，避免在每一步中都需要进行再分解。当S为协方差矩阵P的二次方根(即SS'=P)时，只要S+0就可以保证P具有非负定性的特征。ups电源的基本概念主要，简述如下。
(1)Cholesky分解定理若PeR“对称且正定，则存在唯一符合要求的下三角矩阵SeR^°，使得SS"=P成立，该矩阵S的对角元素全为正数，S称作P的Cholesky因子。
(2)QR分解若AeR“(m>n)，则A的QR分解表示为A=×R。其中，是一个mxm的酉矩阵，R是一个m×n上三角矩阵，其上三角部分是P的Cholesky因子的转置。2022.05.19