随着科学与社会经济的不断发展,具有可二次充电、循环使用、环境友好的锂电池越来越受到重视,在新能源汽车、储能系统、小型电子产品、航空航天等行业均得到越来越多的应用。但是由于锂电池的性能受温度影响严重,其低温性能已经成为限制锂电池进一步推广应用的主要因素。因此研究锂电池在低温条件下的放电性能,精确估算锂电池在不同低温条件下的荷电状态,提出更好的锂电池低温使用方式就显得尤为重要。本文主要研究如下内容:（1）以锂电池工作原理、化学反应过程和锂电池物理结构为基础,深入阐述锂电池发展历史、低温特性和常用锂电池荷电状态估算算法。（2）以钴酸锂和镍钴锰三元为复合正极材料,负极为钛酸锂材料的锂离子电池作为实验对象,从环境温度和工作电流对锂电池性能具有较大影响的角度出发,设计了锂电池低温放电特性测试实验。低温放电特性实验内容主要包括:锂电池活化实验、标准容量及能量测试实验、低温放电容量及能量测试实验、低温开路电压测试实验、低温内阻测试实验、低温小倍率充放电测试实验。根据上述实验获取的低温放电数据,分析锂电池的低温放电特性以及为锂电池低温荷电状态估算算法建立数据库。（3）由实验数据可知,低温环境对锂电池的放电性能影响极大,随着放电温度的下降,放电容量和放电能量均出现不同程度的减小,而欧姆内阻和极化内阻呈现出不同程度的增大。在相同荷电状态下,开路电压随着温度的降低而不断减小,且减小趋势有所加快,但不同温度条件下,曲线整体下降趋势类似。利用容量增量分析法和差分电压法分析可知,正负极活化材料和参与反应的锂离子在不同温度区间对电池性能的影响程度各不相同。（4）采用BP（Back Propagation）神经网络和长短期记忆神经网络（Long Short-Term Memory,LSTM）两种算法分别实现对不同低温条件下、不同放电倍率时锂电池荷电状态的估计。通过对比分析两种算法在相同的测试数据下的估算误差,BP神经网络最大绝对估算误差为0.0241,平均RMSE为0.0089,平均MAE为0.0075,平均~2为0.9987;LSTM神经网络的最大绝对估算误差为0.0132,平均RMSE为0.0068,平均MAE为0.0056,平均~2为0.9992。因此LSTM神经网络对于环境温度和放电倍率双重因素影响下的锂电池荷电状态估算更具有优势。