在如今环境污染和能源紧缺日益严重的境况下,节能减排成为各国关注的热点,而新能源汽车无疑是重点研发对象,与之匹配的三电系统等关键技术也备受重视,动力电池技术就是其中之一。电池的荷电状态(SOC)估计是电池管理系统的核心功能之一,精确的SOC估计有利于提高车用动力电池组的能量利用率和安全系数,延长其使用寿命,但是SOC作为动力电池的隐式状态,对其进行精确估计是非常困难的,为此,本文依靠国家重点研发计划重点专项项目,以合作企业提供的锂离子动力电池为研究对象,开展了车用动力电池组的建模及SOC估计方法的研究,为实现电池管理系统精确SOC估计提供理论参考和技术支持。具体的研究内容及所得结论如下:1、基于LABVIEW软件搭建了锂离子动力电池测试系统,对容量、内阻、电容、端电压、电动势等电池特性参数和SOC估计主要影响因素进行了研究,其中电动势测试采用了快速测量方法与库伦滴定法结合的方法,并着重分析了电动势随SOC变化的规律。2、将二阶RC模型与Shepherd改进模型融合建立了基于电化学机理的二阶RC迟滞模型,推导出状态空间方程。利用HPPC测试和EKF分别对参数进行离线和在线辨识,并验证模型精度。结果表明模型在恒温恒流稳态工况和恒温脉冲动态工况下的仿真输出能够较好地模拟跟踪电池端电压的变化趋势,该模型具有较好的预测精度。3、利用ASRCKF算法对动力电池的SOC和模型参数进行联合估计,自适应更新系统噪声并对估计结果进行补偿,极大地提高了算法的估计性能,在稳态和动态工况下利用此算法对基于电化学机理的二阶RC迟滞模型和二阶RC模型进行了SOC估计仿真对比,结果表明:恒温恒流稳态工况下两种模型的估计误差整体上都保持在±1%以内,基于电化学机理的二阶RC迟滞模型对SOC的估计精度比二阶RC模型更高,二阶RC模型SOC估计最大误差不超过0.9%,算法的RMSE值为0.69%,基于电化学机理的二阶RC迟滞模型SOC估计最大误差不超过0.87%,算法的RMSE值为0.6%;DST动态工况下算法的误差分布在零左右的小区域内,二阶RC模型SOC估计的RMSE值为0.9%,基于电化学机理的二阶RC迟滞模型SOC估计的RMSE值为0.84%,与同温度恒流工况下的估计结果相比精度有所下降。4、利用STHF算法对动力电池的SOC和模型参数进行联合估计,对噪声分布不做假设,通过引入强跟踪算法提高了算法对状态和模型中不确定影响因素突然变化的敏感度,并对估计结果进行补偿。在稳态和动态工况下验证基于电化学机理的二阶RC迟滞模型和二阶RC模型在此算法下的SOC估计精度,结果表明:恒温恒流工况下测试前1300s误差较大,1300s之后误差曲线逐渐收敛,算法逐渐趋于稳定,二阶RC模型SOC估计最大误差和RMSE值比同工况ASRCKF算法下分别高0.02%和0.07%,基于电化学机理的二阶RC迟滞模型SOC估计最大误差和RMSE值比同工况ASRCKF算法下分别高0.01%和0.06%;DST动态工况下算法的误差分布在零左右的小区域内,二阶RC模型和基于电化学机理的二阶RC迟滞模型SOC估计的RMSE值比同工况ASRCKF算法下的RMSE值分别高0.04%和0.03%;虽然在稳定良好无偏置噪声的工况下ASRCKF算法得到的估计精度略高,但是在恶劣工况下STHF算法的鲁棒性和估计效果更优,当存在偏置电流时STHF算法的RMSE值变化更小,其RMSE值甚至小于同种模型下ASRCKF算法的RMSE值,当存在SOC初值误差时其在两种模型中的收敛速度则达到ASRCKF算法的4倍左右。