1.一种储能用锂电池参数辨识与soc估算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种储能用锂电池参数辨识与soc估算方法，其特征在于：所述s1中，通过加入遗忘因子来减弱历史数据的影响，加强当前数据在算法中的比重，进而减轻数据饱和产生的影响；
3.根据权利要求1述的一种储能用锂电池参数辨识与soc估算方法，其特征在于：所述s2中，选择非线性自回归神经网络进行实验，首先要进行神经网络训练，将ffrls辨识出的参数以及电流工况作为训练数据，带入神经网络进行训练，narx神经网络可将目标输出为输入信号的无噪声版本，确保输出电压更加准确，并调整各项参数，所需调整的参数有隐含层神经元个数、输入输出延时等等；
4.根据权利要求1所述的一种储能用锂电池参数辨识与soc估算方法，其特征在于：所述s3中，aukf具体公式如下：
5.根据权利要求4所述的一种储能用锂电池参数辨识与soc估算方法，其特征在于：通过公式18和19改进ukf算法估算soc值时状态噪声协方差与测量噪声协方差为预定值的问题，实现实时更新锂离子电池系统状态噪声以及系统观测噪声，保证噪声的非负定性。但是当状态变量协方差为非对称的正定矩阵时，则不能够楚列斯基(cholesky)分解，进而使得算法无法进行，由于状态噪声以及观测噪声协方差为互不相关的高斯白噪声，且会影响到状态噪声协方差，因此需要对状态噪声以及观测噪声协方差进行修正，修正公式如下：