电池荷电状态(SOC)是衡量电动汽车动力锂电池剩余电量的重要参数。准确估算SOC可以有效防止动力锂电池过充或过放电,延长电池寿命和保障电动汽车驾驶安全。对动力锂电池SOC进行准确的估算是目前电动汽车动力锂电池领域研究的重点和难点之一。本文提出以自适应提升(Adaboost)集成算法为框架,以极限学习机(ELM)为弱学习器,以不同温度和工况下获取电池的电压、电流和温度数据作为集成算法的输入,将Adaboost-ELM算法用于动力锂电池SOC估算。并利用带自适应噪声的完备集成经验模态分解方法(CEEMDAN)分别与小波包分解(WPD)和小波阈值去噪(WTD)联合,形成CEEMDAN-WPD和CEEMDAN-WTD两种不同的数据去噪方法。这两种方法分别与Adaboost-ELM结合,搭建了动力锂电池在单一工况下的SOC估算模型CEEMDAN-WPD-Adaboost-ELM(CWAELM),和多种工况下的SOC估算模型CEEMDAN-WTDAdaboost-ELM(CWAELM)。并利用MATLAB对这两种模型分别进行仿真验证。结果表明,两种模型均实现了对SOC的准确估算。其中,CEEMDAN-WTD-Adaboost-ELM模型在多种工况下对动力锂电池SOC估算具有极好的鲁棒性和准确性。