随着石油资源的枯竭以及日益严重的环境污染,电动汽车将扮演越来越重要的角色。锂离子电池具有比能量高、绿色环保、无记忆性等优势,已在电动汽车上大规模搭载,成为了国内外研究人员研究的热点。荷电状态(State of Charge,SOC)是描述锂离子电池的重要指标之一,能保证锂离子电池的正常工作,并为驾驶员提供续驶里程等信息。但是SOC值并不能够直接测量得到,需要测量其电压、电流等数据进行估计,受到温度、电子噪声、传感器误差等因素影响,电池SOC的估计会存在误差,尤其是进入低温区工作的锂离子电池的SOC估计误差会更大。论文的主要工作如下:首先,阐述了锂离子电池SOC估计方法的研究进展,由所查阅的文献可知,进入低温区且变温工作的锂离子电池的SOC估计方法研究甚少。其次设计与开展电池实验,分析电池实验数据。实验内容包括电池容量标定和脉冲放电,由此计算电池的容量、-15℃～45℃的SOC-OCV曲线、荷电效率、能量效率,并使用阿伦尼乌斯公式获得温度与电池最大容量的函数关系,利用最小二乘法辨识Thevenin等效电路模型参数。结合北京冬季某天-7℃～11℃气温数据设计了电池的低温变温温度工况。据此通过改进的FUDS、DST工况模拟实际电动车辆一天的电池充放电情况,开展了电池低温变温实验。最后,设计与开发基于电池等效电路模型的扩展卡尔曼滤波(EKF)、标准粒子滤波(PF)以及教与学粒子滤波(TLBO-PF)的SOC估计算法,通过放电法得到某一点的SOC真实值,验证这三种算法的SOC估计精度。同时,对比安时积分法和开路电压法的电池SOC估计精度。研究结果表明,在EKF、PF和TLBO-PF的SOC估计算法中,EKF和TLBO-PF算法对SOC初值不敏感,能够使SOC估计点跟踪安时法的SOC曲线,其中TLBO-PF算法更加快速;就电池SOC终点估计精度而言,EKF、PF和TLBO-PF算法SOC估计的绝对误差分别为3.9%、1.9%和2.3%,两种PF算法优于EKF算法。在低温变温工况下,综合考虑SOC估计精度与初值敏感性,TLBO-PF算法具有最好的SOC估计性能。