本發(fā)明屬于鋰電池SoC估計(jì)領(lǐng)域，具體涉及一種基于卡爾曼濾波器和神經(jīng)網(wǎng)絡(luò)聯(lián)合估計(jì)模型的SoC估計(jì)方法；該方法包括：實(shí)時(shí)獲取待檢測的鋰電池的電流和電壓；將獲取的電流和電壓輸入到神經(jīng)網(wǎng)絡(luò)聯(lián)合估計(jì)模型中，得到待檢測的鋰電池SoC估計(jì)結(jié)果，本發(fā)明利用鋰電池電化學(xué)模型結(jié)合神經(jīng)網(wǎng)絡(luò)非線性參數(shù)化方法，提高了模型的泛化能力；使用Sage?Husa估計(jì)器與無跡卡爾曼濾波算法結(jié)合，提高算法估計(jì)精度；通過實(shí)時(shí)更新模型參數(shù)，解決了因環(huán)境變化和自身老化造成的鋰電池模型準(zhǔn)確性降低的問題；與深度學(xué)習(xí)的估計(jì)方法相比，需要的數(shù)據(jù)量更小，抗噪聲的能力更強(qiáng)。