中国最近成为了世界上第五个宣布逐步淘汰化石燃料传统汽车的国家,我国大力推广电动汽车普及的步伐,拟将电动汽车作为真正可持续发展的交通方式。电池属于电动汽车的关键技术之一,其中电池剩余容量(SOC)的预测是对于电池来说是非常重要的。首先,本文通过对锂电池SOC预测现状研究分析,确定了本文的研究方法;然后概述了锂离子电池的工作原理以及影响其SOC的因素。本文提出了两种基于神经网络的预测模型:一种是将元胞自动机这种传统的人工生命模型引入到人工神经网络,利用两者相结合的方法构造出元胞神经网络模型,而另外一种模型是将NEAT算法与BP神经网络相结合,然后再引入人工生命算法中的量子行为粒子群算法来优化NEAT-BP模型,进而得到QPSOBP-NEAT这种改进人工神经网络模型。为了验证本文提出的模型是否有效,分别进行了仿真模型数据实验和实际放电实验来测试模型的有效性和可靠性。在仿真模型实验中,利用ADVSOR和锂离子电池模型设置UDDS、10-15和FTP75三种不同的工况,进而来获取对应工况下的电压、电流和SOC值,最后再获取五种不同的倍率放电情况下的数据,归一化完样本数据之后再利用这些数据对所提出模型进行训练。各个工况下预测的结果表明了:元胞神经网络模型由于没有学习算法,故学习效率低下耗时长,而QPSOBP-NEAT模型的效率较高,而且最高平均精度高达98.7%。预测在单个电池实测数据实验中,采集了某类型锂离子电池在不同倍率下的放电电压和放电电流以及SOC等数据之后进行归一化,然后再导入模型进行相应的训练,其最高平均预测精度可达98%,结果表明本文方法在实际运用中的可行性和准确性。