全球范围内能源危机和环保问题的日益严重，逐渐暴露了传统燃油汽车在能源消耗和污染物排放方面的巨大缺陷，想要汽车工业的可持续发展就要求电动汽车不断进步并逐步替代燃油汽车。电动汽车中动力电池是整车唯一动力来源，故其可实现废气的零排放。电池性能的好坏会直接影响到车辆的整车性能以及汽车的行驶安全性，是最为核心的技术难题。为确保动力电池组优秀的性能，延长电池组的使用寿命，电池管理系统对电池组合理的管理和控制是非常重要的。而电池荷电状态（State of Charge，SOC）的估计是电动汽车电池管理系统（Battery Management System，BMS）中最为基础和重要的功能，SOC的精确估计也是电动汽车最为关键的核心技术。　　电池是一个复杂的非线性系统，针对不同应用条件下单一电池模型不能准确描述电池的特性而引起SOC估计误差的问题，设计了一种考虑电池不同特性的多模型卡尔曼滤波SOC估计算法，建立两个模型分别描述电池的温度特性和倍率特性，将两种模型的估计值融合得到最终SOC估计结果。　　首先，为了以获取电池组的温度特性及倍率特性，设计了不同温度下的混合动力脉冲功率特性测试（The Hybrid Pulse Power Characterization,HPPC）试验以及变电流HPPC试验；然后分别建立了考虑电池温度和电池充放电倍率的动态Thevenin模型，并在HPPC试验的基础上，进行了电池模型参数辨识，确定了两电池模型的动态参数；最后，提出了一种考虑电池温度与倍率特性的多模型自适应卡尔曼滤波SOC估计算法；建立了SOC估计算法的仿真模型，并将SOC估计算法应用于动应力测试（Dynamic Stress Test，DST）工况，仿真结果表明本文的多模型滤波算法在变电流工况下具有的精度优势，验证了该方法在复杂环境下的适应性。　　考虑电池温度和电池充放电倍率的模型均可在一方面描述电池的性能，多模型卡尔曼滤波SOC估计方法将电池内部的温度和倍率的动态特性信息相融合，更好地解释了电池在复杂环境下的非线性特性，使SOC估计在整个充放电区间和复杂的使用环境下保持较高精度，提高了SOC估计的准确性和鲁棒性。