锂离子电池作为电动汽车的电能储存设备和动力来源,是保障电动汽车安全高效行驶的重要基础,因此对锂离子电池进行完善的管理是一项十分重要的工作,其中荷电状态（State of Charge,SOC）和功率状态（State of Power,SOP）作为电池管理过程中必备的重要参数,关系着电动汽车电量和能量的分配问题。但由于电池在实际使用过程中容易受到老化的影响而发生容量衰退和电池参数非线性变化,导致传统的电池SOC和SOP算法估计精度降低,因此,本文以三元锂离子电池为研究对象,开展了老化锂离子电池的SOC和SOP联合估计方法研究,主要完成了以下工作:（1）电池迁移模型的建立。首先对迁移模型概念和常见电池模型进行了分析,选择以二阶RC等效电路模型为电池迁移模型的初始模型,其次,在电池初始状态的混合脉冲功率表征实验工况（Hybrid Pulse Power Characterization,HPPC）下利用自适应遗忘因子递推二乘法（Adaptive Forgetting Factor Recursive Least Square,AFFRLS）算法对初始模型进行参数辨识,再利用多项式拟合的方法对SOC与模型参数的关系曲线进行提取,最后根据提取的关系曲线完成了电池迁移模型的建立。（2）针对电池迁移模型的非线性非高斯特性,提出了利用风险最小化粒子滤波算法（Risk Sensitive Particle Filter,RSPF）对迁移模型的迁移因子进行在线确定,从而实现了电池迁移模型的在线迁移过程。同时为了实现电池迁移模型的SOC精确估计,本文将迁移模型输出的电池初始SOC估计值输入到塞维茨基—戈莱滤波器（Savitzky-Golay Filter,S-GF）中进行去噪处理,并利用电池初始状态下的城市道路循环工况实验（Urban Dynamometer Driving Schedule,UDDS）和动态测试工况（Dynamic Stress Test,DST）对电池迁移模型和SOC估计结果进行了验证。（3）针对电池使用过程普遍存在的老化影响,提出了一种老化锂离子电池SOC和SOP联合估计的算法。该算法通过将电池迁移模型与电池容量逆推方法和基于多约束下的SOP估计方法进行结合,实现了不同老化状态下锂离子电池的SOC和SOP联合估计,通过利用四组不同老化状态下的UDDS工况实验数据对其进行验证,验证结果表明本文所提出的老化锂离子电池SOC和SOP联合估计算法具有良好的估计精度。