新能源汽车是中国制造2025和国家重点研发计划重点支持对象。动力电池是电动汽车的瓶颈技术之一,动力电池组状态的精确估计,对保障新能源汽车安全、可靠运行至关重要。本文针对动力电池组不一致性以及电池组状态估计展开研究,论文的主要工作如下:(1)针对电池组在成组阶段的产生的一次不一致性制约电池组整体的性能问题,提出一种基于曲线特征量提取的电池筛选方法,采用因子分析和K均值聚类的方法对电池分类。基于一种衡量电池组不一致性的计算方法,研究了筛选后的电池在不同工况、电池SOC和电流脉冲倍率下的一致性表现。结果表明,该筛选方法对应不同的电池使用条件均有较好的筛选效果,可以有效减小电池成组的一次不一致性。(2)针对电池组使用过程中由于系统不一致性导致常用的成组模型估计失效的问题,建立了具有多时间尺度的串联电池组模型,其中平均电池模型有助于解决串联电池组电压外特性的模拟,基于差异模型的开路电压不一致辨识有助于优化串联电池组的状态估计。实验结果表明,采用遗忘因子的最小二乘算法辨识的电池平均模型能够在较长的时间范围内持续高精度地拟合电池组系统的端电压;基于差异模型利用总体最小二乘的辨识方法对开路电压不一致的量化辨识结果也与实验标定的容量衰退情况一致。(3)针对电池组使用过程中系统不一致性严重影响电池组SOC估计精度的问题,基于各单体参数性能不一致分析提出了基于串并联成组方式和均衡策略的电池组SOC定义和计算方法,并基于扩展卡尔曼滤波的单体SOC估计方法结合差异模型不一致量化辨识的结果提出了串联电池组SOC估计方法,计算结果表明该方法实现了高精度、快收敛速度的串联电池组SOC估计。(4)针对电池筛选方法和动力电池组SOC估计方法的验证问题,搭建了动力电池测试平台。根据筛选方法对样本数据的要求,设计了包括充放电特性实验、多工况脉冲放电测试等在内的实验测试流程,为样本的筛选和结果的验证奠定了数据基础;采用差异性较大的电池成组并在两种工况下进行串联实验验证串联电池组SOC估计方法对不一致的包容性和对工况的普适性。