众所周知,大规模发展电动汽车建立绿色交通系统是解决能源和环境危机的重要途径,也是21世纪汽车工业改造与发展的重要方向。在国家政策的强力支持和科研部门、相关企业的高度关注下,电动汽车迎来了前所未有的重大发展机遇。电动汽车的安全运行、续驶里程、能量管理等都与动力电池的性能及合理使用紧密相连。其中,锂离子电池因其在性能、容量、使用寿命等方面具有明显的优势,成为目前应用最为广泛的电动汽车动力电池。然而,动力电池的高效利用和循环寿命等方面依然存在许多关键问题尚未解决,使得电动汽车用锂离子动力电池高效管理意义凸显而备受关注,成为相关领域科学研究的热点问题,同时也是技术开发的难点,已成为制约电动汽车产业化和实用化的首要瓶颈,亟需研究新理论新方法加以完善。本文针对电动汽车锂离子动力电池的精确建模和状态估计问题,分别建立了锂离子动力电池二阶RC模型和基于分数阶理论的分数阶电池模型,实现了电池的精确建模;并分别基于分数阶卡尔曼滤波理论、自适应无迹卡尔曼滤波理论以及模型参数自适应理论提出了几种电池荷电状态(State of Charge,SOC)和健康状态(State of Health,SOH)的估计方法。主要工作包括以下几个方面:一、锂离子动力电池的特性研究该部分围绕动力电池测试平台的搭建和动力电池特性分析展开研究。基于奥地利AVL公司生产的电池测试平台对锂离子动力电池进行试验研究并收集试验数据。进而分析了锂离子动力电池的电压特性、容量特性、温度特性和内阻特性,为锂离子动力电池的精确建模和状态估计奠定了基础。二、锂离子动力电池建模与参数辨识方法研究针对锂离子动力电池建模与参数辨识问题,建立二阶RC等效电路模型和基于分数阶理论的锂离子动力电池模型,分析了不同阶数RC等效电路模型的特点,研究参数辨识及遗传算法辨识电池模型分数阶阶数等问题;最后通过试验验证了所建模型的精度与有效性。解决了锂离子动力电池模型复杂度与精度的权衡问题,并充分揭示电池模型的分数阶本质特征,为锂离子动力电池状态估计奠定了基础。三、基于分数阶卡尔曼滤波的锂离子动力电池SOC估计首先基于Grunwald-Letnikov(G-L)分数阶微分定义推导出了一种离散的分数阶系统的状态空间表达式,基于两个引理导出分数阶离散卡尔曼滤波迭代公式。进而,在锂离子动力电池分数阶模型的基础上,利用分数阶卡尔曼滤波方法实现了电池SOC的估计。最后,通过不同工况试验验证分数阶卡尔曼滤波方法的性能,并与传统的扩展卡尔曼滤波方法进行对比,试验结果表明分数阶卡尔曼滤波方法比传统的扩展卡尔曼滤波方法收敛速度更快、精度更高。四、基于自适应无迹卡尔曼滤波方法的锂离子动力电池SOC估计针对锂离子动力电池在复杂多变环境下难以实现准确可靠估计SOC的问题,提出了自适应强跟踪无迹卡尔曼滤波和自适应平方根无迹卡尔曼滤波两种估计电池SOC的方法。传统的SOC估计方法普遍存在估计误差大,易受模型精度和噪声干扰等问题。自适应强跟踪无迹卡尔曼滤波方法通过在状态协方差矩阵中引入渐消因子,用以实时调整误差协方差,以削弱电池等效电路模型失调对SOC估计的影响;自适应平方根无迹卡尔曼滤波方法可以直接计算锂离子动力电池系统的过程噪声方差矩阵和测量噪声方差矩阵,同时确保状态方差矩阵和噪声方差矩阵的非负定性和对称性,能够实现噪声的自适应,进而提高了算法估计SOC的准确性、稳定性和自适应性。最后通过试验验证了两种算法的有效性,实现了锂离子动力电池在复杂多变环境和不同工况下SOC的精确估计。五、基于模型参数自适应的锂离子动力电池SOH估计针对锂离子动力电池SOH估计及其测量噪声统计特性未知和电池模型参数时变的问题,提出了基于模型参数自适应的锂离子动力电池SOH估计方法。首先基于二阶RC等效电路模型建立电池内阻状态空间描述,提出了一种模型参数自适应方法实时估计电池欧姆内阻,进而实现电池SOH的估计,并利用噪声自适应匹配技术解决了噪声干扰的问题,最后通过试验验证了估计SOH算法的有效性。本文研究了基于分数阶理论的锂离子动力电池建模方法,解决了动力锂离子模型复杂度与精度的权衡问题;所采用的分数阶卡尔曼滤波算法、自适应无迹卡尔曼滤波算法及模型参数自适应方法,较好地解决了动力电池SOC和SOH的估计问题,为电动汽车电池管理系统高效运行提供了一种电池状态估计方法。总之,本文围绕着动力电池的精确建模、高精度状态估计等问题开展了一系列的研究,所得到的结果不仅对高性能电池管理系统的研发起着推进作用,也将加速电动汽车产业化和实用化进程。