近年来随着人民生活水平的日益提高,燃油汽车的销量剧增,在带给人们方便快捷的同时,也加剧了温室气体的排放以及造成化石能源短缺等问题。在此背景下,各个车企大力推进电动汽车的研发,在未来的几十年内,电动汽车将会成为主流的交通工具。电池管理系统（Battery Management System,BMS）是电动汽车动力系统最核心的部分,对于整车安全、稳定、高效的运行至关重要。荷电状态（State of Charge,SOC）的估计是BMS对电池能量管理和控制的关键技术之一,精确的估计锂电池SOC对于提高电动汽车的续航里程和安全性能具有重要的研究价值。本文以单节三元锂电池作为研究对象,对锂电池的SOC进行估计,主要研究内容如下:首先介绍了锂电池的外形结构、工作原理以及几个重要的参数,对锂电池测试系统设计方案进行简要说明。基于测试系统搭建实验平台,设计实验对三元锂电池进行可用容量测试、温度特性测试和放电倍率特性测试,并对测试结果进行分析。然后选择二阶RC等效电路模型作为锂电池等效模型,设计在不同温度下的脉冲放电实验对模型参数进行辨识,拟合OCV-SOC曲线,在仿真环境下搭建锂电池仿真模型,使用脉冲放电工况和自定义放电工况验证了电池模型的准确性。接下来因为考虑到锂电池的SOC估计会受到噪声的影响,所以采用卡尔曼滤波算法对SOC进行估计以减少噪声对估计值的影响,并针对锂电池在不同放电工况下存在不同的噪声,采用自适应扩展卡尔曼滤波算法（Adaptive Extened Kalman Filter,AEKF）对锂电池SOC进行估计。在仿真环境下通过四种不同的放电工况对算法进行验证,结果表明AEKF算法具有较高的估计精度。最后对锂电池测试系统硬件电路进行设计,采用STM32F405RGT6作为主控芯片,由电子负载模块对电池进行放电,采用四开关Buck-Boost电路进行充电,并搭配电流、电压和温度采集电路,组成锂电池测试系统。由设计的硬件搭建SOC估计实验平台,将算法写入单片机内运行,使用DST放电工况验证算法在实际应用环境下的估计性能,实验结果验证了AEKF算法具有较高的估计精度和稳定性,最大估计误差小于4%,满足实际使用需求。