磷酸铁锂动力电池由于其比能量大、循环寿命长、安全性好、自放电率小以及可以快速充电等特点,被作为新能源汽车的主要动力来源之一,得到非常广泛的应用。锂动力电池的荷电状态(State of Charge,简称SOC)是衡量电池剩余电量的一个关键的指标,但是电池组的应用环境复杂、电池组的劣化程度不一致导致电池组的SOC估算精确度无法满足实际应用的需要。因此,能够体现电池劣化程度的锂动力电池SOC估算方法已经成为电池组监测在线性能的关键技术之一。本文就锂动力电池自放电电流、交流内阻、劣化程度以及工作温度等因素对于SOC估算的影响,扩展卡尔曼滤波(EKF)、强跟踪容积卡尔曼滤波(SCKF-STF) SOC估算策略、电池等效电路模型的不确定性的问题进行了针对性研究,主要包括如下几个方面的工作：在分析锂动力电池组SOC影响因素的基础上,对体现锂动力电池电化学特性的自放电电流、交流内阻、充放电深度以及寿命等因素与SOC之间的关系进行了全面细致的分析,在进行大量的实验的基础上,采用能够反映锂动力电池电化学特征的等效电路模型作为SOC估算模型,提出了基于自放电电流、温度和劣化程度三种因素修正模型的方法。针对由于自放电等因素造成的容量衰减而导致SOC估算精确度不足的问题,对现有的SOC估算方法进行了分析,提出了基于模型修正的扩展卡尔曼滤波(EKF)算法的SOC估算策略。该策略修正了电池由于搁置、老化、工作温度等条件对与SOC估算的影响,给出了EKF估算SOC算法的实现,并进行了常温、低温以及搁置实验。实验结果表明：基于模型修正的EKF的估算方法能够满足SOC估算的精度要求,且对于电池的劣化程度、电池自放电率及工作温度的适应能力大大提高。针对低温下电池组实际放电要求以及电池等效电路模型在低温下的不确定性的问题,进行实验研究,根据实验数据分析模型不确定性所带来的影响,提出一种基于强跟踪容积卡尔曼滤波(SCKF-STF)算法的SOC估算策略,并对低温下电池电压低于常温下放电截止电压时的SOC估算进行了实验验证,通过对比EKF算法表明,SCKF-STF算法能够有效的解决由于等效电路模型不确定性所带来的SOC估算误差,消除模型不确定性所带来的影响。针对锂动力电池成组后电池寿命和性能下降问题,研究了锂动力电池成组技术,以及电池电化学特性对于电池成组后电池寿命的影响,在考虑电池物理特性和电化学特性的基础上提出了一种基于模糊C均值聚类(FCM)的支持向量机(SVM)的电池分类方法,并对抽样电池的寿命进行了测试,实验结果表明,该分类方法得到的同一类别电池具有较好的容量衰减一致性以及电化学一致性。针对实际工作条件下锂动力电池组SOC估算精度不高、实时性较差的问题,根据电池管理系统(Battery Management System,简称BMS)的特点,将BMS采样的最小点定义为基本电池单元,研究了电池组基本电池单元的充放电特性,建立了基本电池单元的数学模型,并采用SCKF-STF算法对基本电池单元的SOC进行了模拟工况实验。实验结果表明：在电池组充放电操作变换频繁时,SOC估算策略能够满足电动车用锂动力电池组SOC估算的精确度要求,并在此基础上开发了一套基于CAN总线的电池管理系统,给出了HEV锂动力电池组管理系统的总体功能和软硬件设计方案。