随着全球环境污染的日益严重以及世界各国不可再生能源的日益短缺,目前恶劣的环境问题给各个国家都来了不少的麻烦,由此引发世界各国对电动汽车的研究热潮。而电动汽车最重要的部件是电池,电池的核心技术是电池荷电状态(State of Charge,SOC)的估算;电池SOC估算的精准性越高,驾驶员可以对电池剩余状态有一个更好的了解,同时也可以提高电池自身的性能与寿命,对电动汽车的未来有着重大的意义与研究价值。因此,本文以电池SOC的估算为研究对象,主要工作如下:首先,介绍了电动汽车的发展与现状,引出动力电池是电动汽车的心脏,同时电池SOC估算是动力电池的核心技术,简单的介绍了电池SOC的估算现状与方法。其次,分析及对比目前市场上几种常用的动力电池,最终选取锂电池为本文的研究对象,介绍了锂电池的一些基本特性与工作原理,同时还介绍了对锂电池SOC影响的几种因素,如温度、老化、充放电倍率等;接着介绍了几种常用的动力电池SOC估算方法,诸如安时积分法、开路电压法、卡尔曼滤波法等,最终选取无迹卡尔曼滤波法为电池SOC的估算方法。再次,介绍了几种常用的电池模型,如Rint、Thevenin、PNGV等模型,分析这几种模型的优缺点,最后选取以Thevenin为基础,串联一个RC等效电路的二阶RC电池模型,通过实验确定了开路电压与电池SOC的对应关系,同时对改进后的模型进行参数识别与验证,确保改进后的模型可以较准确的模拟实际电池的状态。最后,介绍卡尔曼滤波法的原理与无迹卡尔曼滤波的理论,无迹卡尔曼滤波算法主要适用于非线性系统,恰好动力电池在实际使用过程中也是非线性的;它的主要原理是提出预估计值然后进行不断的循环更新及选取最优的估计结果,同时对误差有修正作用,更接近于理论值;将实验数据导入由MATLAB搭建的无迹卡尔曼滤波算法模型,对电池的SOC进行仿真与分析,将仿真结果与理论数值进行比较,得出无迹卡尔曼滤波算法对动力电池的估算有较高的准确性。