动力电池技术是电动汽车研究的基础,其SOC的精确估计依然是电池技术的难题。电池SOC估计影响电动汽车行驶里程、能量管理、电池的安全等,因此其研究具有重要的应用价值。本论文针对电池的SOC估计进行了如下工作:第一,研究并设计了动力电池模组的试验。搭建电池的试验平台,并设计了电池的试验方案。为了获得系统而准确的电池测试数据,需要根据研究目的设计相关的电池测试程序,利用高精度的数据采集设备建立可靠的试验数据库。动力电池实验测试数据为电池等效电路模型、SOC估计模型以及电池容量衰退模型的建立和模型精度验证提供了数据支持。第二,建立电池模型并实现模型参数辨识。通过分析比较常用的电池模型,确定并建立了电池等效电路模型;重点分析了离线参数辨识方法和在线参数辨识方法。离线参数辨识方法是基于实验室得到的电池数据,利用非线性拟合的方法辨识模型参数,即得到不同SOC和不同温度下的OCV、电池内阻、极化电容、极化内阻等参数的值,然后采用插值或拟合函数方式得到任意SOC和温度下参数值。在线参数辨识方法是利用实时采集地电池的电流、电压信息作为遗忘因子递推最小二乘算法的输入,算法实时地在线估算出此时的参数值。之后利用电池试验数据分别对离线方法和在线方法所得到的模型参数进行了可靠性和精度的验证。第三,锂离子电池SOC估计。对于SOC估计,目前大多数BMS采用开路电压法、安时积分法、卡尔曼滤波法等。但是由于动力电池具有很强的非线性,且受到环境噪声、应用工况的影响,使得算法的估计精度难以保证。为解决该问题,本文采用具有自适应算法的自适应扩展卡尔曼滤波(AEKF)算法估计动电池SOC,该算法以新息自适应估计为核心,并对噪声有较强的抑制作用。基于此,本文建立了模型参数和电池SOC状态联合估计的算法。第四,基于电池容量衰退模型的SOC估计。为解决电池可用容量的不确定性对SOC估算的影响,本文提出了建立电池容量衰退模型的方法预测电池的可用容量。基于加速寿命试验数据,分别建立温度、放电倍率单应力下和复合应力下的电池容量衰退模型。但是电池的使用状态并不是恒定的,为了更加接近电池容量的实际衰退过程,提出了动态应力下的电池容量衰退模型。将电池容量衰退模型融合到电池SOC估计中,解决了电池最大可用容量的不确定性对SOC估计性能的影响的问题。第五,硬件在环仿真试验与台架试验。搭建硬件在环仿真试验平台,验证本文的SOC估计算法在电池管理系统(BMS)中可行性和有效性。之后,搭建动力电池模组的台架试验,对SOC估计算法做进一步的验证。