随着我国能源危机的出现和“碳达峰”、“碳中和”要求的日益紧迫,新能源电动汽车在未来汽车发展趋势中具有良好的发展前景。新能源电动汽车常以拥有高能量密度的锂电池作能量源,但锂电池也存在着不能兼顾功率密度、循环寿命低等问题,限制了电动汽车的性能。新兴储能元件超级电容器因功率密度高和允许充放功率高的特性,经常用来辅助主能量源,因此可将锂电池组合超级电容器构成混合储能系统用于电动汽车,以达到车辆电源系统对能量和功率综合需求的目标。本文主要研究内容如下:首先,常见的模型结构难以满足参数辨识的要求,本文通过锂电池工作原理结合常用模型的优点建立二阶戴维宁等效电路分数阶锂电池模型,然后基于该模型使用自适应遗传算法（Adaptive Genetic Algorithm,AGA）进行模型参数辨识,得到模型参数和分数阶阶次。通过仿真实验得到该模型下的最大端电压误差降至1%以内,说明了该方法可提高锂电池参数质量,为锂电池荷电状态估计的研究奠定基础。其次,为了进一步提高卡尔曼滤波算法在分数阶锂电池模型上的适用性和荷电状态估计的精确度,本文提出将多新息辨识原理与扩展卡尔曼滤波算法相结合,并将其应用于锂电池荷电状态估计方面,设计出跟踪能力更强的分数阶多新息卡尔曼滤波（FOMIEKF）算法。最后通过仿真实验证明该算法的精确度,得出FOMIEKF算法估计分数阶锂电池模型的荷电状态平均误差为0.79%、最大误差低于2%。最后,针对搭载混合储能系统的纯电动汽车,部分功率需求信号中存在大量的暂态功率的情况,提出通过小波变换的方法,将高频暂态分量从功率需求信号中提取出来,让超级电容器承担锂电池难以承受的暂态功率。又根据锂电池、超级电容器的荷电状态（State of Charge,SOC）对能量管理存在的约束条件,利用模糊控制策略对小波变换后的功率需求进行了改进。仿真试验是在UDDS和HWFET两种工况下对比小波模糊策略和单纯模糊策略,验证了小波模糊策略在锂电池保护方面更有优势,锂电池功率释放明显降低,也达到了提高能源利用率的目的,工作过程中充放电电流标准差得到降低,工况循环结束后锂电池SOC提升了约1%。