电动汽车作为解决能源及环境问题的关键之一,正受着广泛的关注。而电池作为电动汽车的关键组件,为了更充分高效地发挥其性能,需要准确地预测电池的荷电状态（SOC）。本文围绕三元锂离子电池SOC估计展开研究,通过所设计的电池测试实验,分析验证电池模型的准确性以及所提算法进行SOC估计的精确度。本论文主要工作内容包括:（1）考虑电池的多时间尺度效应和模型的复杂性,采用二阶RC（电阻电容）等效电路模型作为本文的研究模型。根据电池基本性能参数和研究内容,设计并进行多种锂离子电池单体测试实验,结合电池测试实验数据,重点对电池的开路电压特性、内阻特性、容量及充放电倍率特性进行分析并总结出电池性能参数的变化规律。（2）针对电池等效电路模型参数时变性的特点,提出一种遗传算法（GA）优化卡尔曼滤波（GA-KF）在线动态辨识模型参数的算法。利用GA算法全局收敛效果好的特点,得到KF算法的最优噪声协方差矩阵,提高在线辨识准确度。依据不同电流倍率下的放电实验数据,得到模型参数动态辨识的结果。在动态应力测试（DST）工况下,将模型与基于最小二乘法离线辨识参数获得的模型进行比较,验证了所提出模型的准确性。（3）针对电动汽车实际运行条件下电池内部电化学反应引起的状态变量非线性问题,提出了使用一种强追踪卡尔曼滤波器（STF）来准确估算SOC。与上述模型动态参数辨识算法相结合,提出一种基于遗传算法优化双卡尔曼滤波（GA-DKF）的SOC估计方法,即KF进行模型参数辨识,STF进行SOC估计,运用GA分别优化两个卡尔曼滤波的系统噪声和观测噪声的协方差矩阵。在FUDS工况下,进行SOC估计并将其与EKF和UKF进行SOC估计的结果比较,验证了所提出算法的精确性和鲁棒性。（4）为了验证所提算法对动力电池组的可行性,在AVL CRUISE软件中,搭建电动汽车模型,并在所设计的两种动态循环工况下进行整车仿真,得到电池组电流及电压参数。运用所提GA-DKF算法对电池组进行SOC估计,以CRUISE软件整车仿真后处理得到的SOC值为参考,验证了算法的有效性。