随着新能源汽车的不断发展，作为影响整车性能的关键因素之一的动力电池已然成为各国研究的热点。对动力电池进行状态监测、能量管理、安全控制等是提高动力电池性能、降低维护成本的重要环节。在对动力电池的管理环节中，电池的荷电状态（State of Charge，SOC）是至关重要的一个状态量，它表示电池的剩余电量，是电池管理中其他功能的重要参数，同时也为能量分配提供依据。本文以锂离子电池为研究对象，主要工作包括以下几点：首先阐述了对电动汽车动力电池SOC估计的重要意义，分别研究了电池管理系统的概念、SOC定义以及影响SOC的因素，并对动力电池SOC估计方法以及电池模型的研究现状进行了分析。接下来概述了锂离子电池工作原理，基于电池电化学原理建立电池的数学模型，并且等效推导出电池的等效电路模型；在已建立的电池等效电路模型的基础上，确定电池的状态空间模型；为获得电池模型参数，分别进行了电池开路电压和SOC关系的标定实验，以及对电池内阻和RC电路参数的辨识实验，并将已确定参数的电池模型的输出与电池实际的测量输出进行比较，验证模型的准确性。在卡尔曼滤波原理的基础上，提出用自适应卡尔曼滤波方法估计锂离子动力电池SOC。利用自适应卡尔曼滤波算法可以在线估计未知噪声的均值和方差，以降低未知干扰噪声的影响。基于自适应卡尔曼滤波原理，在Simulink中搭建SOC的估算模型，利用Simulink中的电池模型进行仿真实验，并与卡尔曼滤波比较，以验证自适应卡尔曼滤波对电池SOC估计的准确性。最后进行AMESim整车模型与Simulink算法模型的联合仿真实验。在AMESim整车模型环境中，将AMESim整车模型运行数据通过一个接口输入Simulink中的S-Function接口中，结合Simulink中已建立的自适应卡尔曼滤波估计算法模型，选取不同工况，对该动态联合仿真模型进行仿真，并与卡尔曼滤波进行比较，验证自适应卡尔曼滤波估计方法的估计效果，并对仿真结果进行分析。