近年来,随着能源危机和环境污染的加重,世界各国都在不断加大新能源汽车的研发力度,动力电池系统的开发及电池管理技术是电动汽车研发的重中之重,纵观国内外各大车企和零部件供应商所推出的电池管理系统,基本都能够实现最基础的功能,但是如何提高汽车在各种复杂的行驶工况下电池SOC估算的精度仍然亟待解决。本文从这个问题的角度出发,基于强跟踪有限差分扩展卡尔曼滤波算法,选择了一款功率型三元锂离子电池,围绕着如何更加精确地估计电池的SOC进行了一系列测试、仿真和实验工作,主要内容如下:对比了各种电池SOC估算算法,建立了二阶RC网络等效电路模型,进行了电池特性试验。锂离子电池由于制造成本相对较低,比能量和循环寿命较高且不存在记忆性,特别适合在电动汽车上大量应用。现有的SOC估算方法中,卡尔曼滤波及其扩展优化算法由于对初值不敏感且能够实现在线估算从而优势显著。然后从锂离子电池的结构原理出发提出了三种电池模型的构建方式,等效电路模型基于基尔霍夫电压和电流定律,采用简单的电子元件搭建电路框架,描述电池的充放电特性,便于模型参数的估计,综合精确性和计算的简便性,本文采用二阶RC网络搭建电池的等效电路模型。接下来需要针对所选取的功率型三元锂离子电池进行了各种不同项目的测试,包括计算电池在不同温度和充放电倍率下的电池容量、获得电池的HPPC工况响应曲线、分析多项式阶数与电压曲线拟合精度的关系并采用五阶多项式拟合电池的OCV-SOC曲线,以及通过常温1C恒流充放电得到电池的寿命和循环次数之间的关系。提出了基于人工免疫算法的电池模型参数辨识方法。首先阐述人工免疫算法的不同类型和重要概念,该算法由于不需要求对函数求导,对连续性和可导性不作要求适应性广,能够在全局范围内自动寻优,在多目标参数优化和参数辨识问题上有广泛应用,基于此提出了采用人工免疫算法的电池模型参数辨识方法并实现了HPPC工况下的模型参数辨识,在周期电流工况下模型的电压误差小于0.035V。研究了基于STFDEKF(Strong Tracking Finite Difference Extended Kalman Filter,STFDEKF)的锂离子电池SOC估算。在模型建立完毕、参数辨识完全之后,就可以使用所选用的方法估算电池的SOC,本文分析了扩展卡尔曼滤波算法由于采用忽略高阶项的泰勒公式展开来近似线性化且需要求解Jacobian矩阵因此存在局限性,指出强跟踪有限差分扩展卡尔曼滤波由于使用有限差分的方法代替一阶求导,计算更简便,适应性更广,同时引入强跟踪次优渐消因子,消除陈旧数据的堆积,防止饱和现象的发生,增强了算法的追踪性能,能够提高锂离子电池SOC估计的精度。通过Matlab/Simulink软件搭建包括了STFDEKF算法和二阶RC等效电路模型的电池系统仿真模型并采用周期恒流工况估计电池的SOC,误差在4.1%以内,最后利用电池充放电测试柜在NEDC和UDDS两种循环工况下对电池进行实验,采集实验数据估计电池的SOC,误差分别小于2.1%和4.3%,均优于扩展卡尔曼算法。