(28)
其中，n是测试样本数；Ye是SOC的估计值；Yi是SOC的实际值。
根据图3分析，基于高斯过程回归的UKF算法包括学习和估计两个部分。采用高斯过程回归来学习测量模型，将测试的电流和SOC值作为训练数据来估计电压值，其优于物理模型，尤其是当参数模型不准确的情况。模型一旦被训练好，就可得出预测值，然后在UKF的基础上来估计SOC值。图6为在UDDS工况下基于高斯过程回归对测量方程进行估计，得到的估计电压值。图7为在DST工况下基于高斯过程回归对测量方程进行估计，得到的估计电压值。图8为UDDS工况下对实测电压和估计电压的误差对比，图9为DST工况下对实测电压和估计电压的误差对比。结果表明，通过高斯过程回归来预测电压能较好地估计实际电压。
图6 UDDS工况下GPR估计电压与实测电压
图7 DST工况下GPR估计电压与实测电压
图8 UDDS工况下电压误差
