电动汽车的推广使用是节能减排的途径之一。动力电池作为其主要供能单元，其使用的合理程度直接关系到整车的性能。电池荷电状态(SOC)的估算是电池管理系统(BMS)的关键技术之一。精确地估算SOC，能有效防止电池过充和过放，延长其使用寿命，同时也能为整车的控制提供重要依据。
　　本文选择锂离子电池作为研究对象，以进一步提高SOC估算精度为目的，围绕SOC估算算法展开研究，主要做了如下几个方面的研究工作：
　　第一，深入了解电动汽车动力电池和BMS的发展情况以及目前SOC估算方法的研究现状，分析锂离子电池的基本原理及特性，简单介绍SOC的定义及对其估算会有影响的几个方面，对比分析SOC估算时会用到的几种方法的优缺点，确定采用迭代扩展卡尔曼滤波(IEKF)算法作为基础算法进行SOC估算。
　　第二，基于所选的估算方法与电池模型的关系，充分考虑温度因素对电池特性的影响，建立其改进二阶RC模型，并辨识了所建模型的参数；最后通过软件Matlab/Simulink验证所建模型的准确性。
　　第三，研究EKF算法和IEKF算法的基本理论，为克服EKF和IEKF估算SOC时存在的不足，采用Levenberg-Marquardt(LM)算法优化IEKF的迭代过程——LM-IEKF算法，并详细阐述采用该算法估算锂离子电池SOC的实现过程，最后通过建立仿真实验对算法的收敛性进行证明，且比较了用其估算SOC的结果与EKF和IEKF所得的结果。对比的结果证明了LM-IEKF算法估算SOC时在精度上具有优势。
　　第四，围绕锂离子电池SOC估算的实现搭建BMS平台，设计BMS中与SOC估算相关的硬件部分和软件部分，并通过实验验证对所设计的系统进行功能测试。实验结果表明，本文设计的系统平台能够满足电池SOC估算相关数据采集精度的要求，且LM-IEKF算法在SOC估算时有较好的精度。
　　鉴于LM-IEKF算法估算SOC的优势，该算法能够满足电动汽车对SOC估算精度的要求，具有一定的实用价值。