本文围绕电动汽车的锂离子动力电池,首先分析了对各类动力电池的模型进行了分析,并根据退役动力电池梯次利用的应用特点选择了RC等效电路模型,并通过锂电池的基本性能测试得到了相应的参数。其次对退役动力电池在性能参数衰减情况的分析方面,提出了针对退役动力电池的荷电状态、健康状态、功能状态和安全状态的评估方法,并进行了试验验证。最后对退役电池再重组时的一致性进行了分析,并给出了一致性筛选方法。本文围绕大批量的退役动力电池,对其制定合理的评价退役动力电池状态的测试系统,并形成了一种适用于锂电池梯次利用的评价方法。主要的研究内容如下:1.基于改进的无迹卡尔曼滤波算法和BP-EKF（Back PropagationExtend Kalman Filtering）算法开展了退役锂离子动力电池的荷电状态评估研究。为了提高卡尔曼滤波算法对荷电状态的估计精度,本文提出了一种通过BP神经网络算法对卡尔曼滤波算法进行补偿和优化的方法。首先对BP神经网络进行了训练,然后对训练结果进行验证,验证了荷电状态估计精度提高程度、算法收敛性和鲁棒性。2.分析了容量法、开路电压法、内阻法等评价退役锂离子动力电池健康状态的效果,基于锂离子电池充放电能力和阳极、阴极嵌入锂离子能力,随着电池老化程度加大,嵌锂能力能够反映健康状态的变化,因此本文提出了一种充放电健康状况相结合的健康状态评估方法。并验证了该方法能够反映循环次数的增加而导致电池内阻和嵌锂能力的变化。3.针对影响锂离子退役动力电池功能状态的相关参数具有不确定性,本文提出了一种基于模糊逻辑的功能状态评估方法,该方法将荷电能力、内阻和荷电保持率作为输入量,建立模糊逻辑算法的隶属度函数,并对该方法进行验证,结果表明该方法不仅可以表明退役动力电池梯次利用的使用场合,也能使再重组的比例明显降低,还能提高再组利用率。4.根据锂电池的基本参数测试结果和锂电池荷电状态、健康状态、功能状态以及安全状态的评估结果对退役电池进行分选再重组,为后续的梯次利用工作提供依据。