随着世界高速的发展,能源短缺的问题越来越突出,而石油、煤炭在燃烧的过程中产生一氧化碳、二氧化碳及细微颗粒等污染物,而这些污染物会影响空气质量,造成雾霾天气以及严重的环境污染。电动汽车的出现及其研究和发展在一定程度上能有效减少环境污染及碳排放的问题,目前,对于电动汽车中使用电池的研究已经成为一大热点。对电池荷电状态(State of charge,SOC)的准确精确估算是电池状态监测、故障诊断、均衡管理及寿命预测的基础,而电动汽车中越来越多的用到锂离子电池,因此,对于锂离子电池SOC的评估及研究是具有现实意义与价值的。本文首先从锂离子电池的工作特性入手,先介绍分析了锂电池的工作原理,再从放电倍率、温度及循环次数三个方面分析了锂电池的容量特性,还研究了放电效率与放电倍率(即电流)之间的关系。然后通过设计的一系列试验得到的数据标定了放电倍率、温度、循环次数与容量因子,放电效率与放电倍率的关系。其后研究了开路电压与SOC之间的关系,同时以试验数据为基础,依据电化学模型标定了开路电压与SOC之间的关系。其次,介绍了锂离子电池模型的分类,在搭建的等效电路模型基础上,基于遗忘因子递推最小二乘法,加入了向量型的遗忘因子,再将自适应的单遗忘因子与向量型遗忘因子相结合,得到多自适应的遗忘因子递推最小二乘法。改进了遗忘因子的自适应方法,使其更加适用于电池模型。以磷酸铁锂电池及三元锂电池为研究对象,基于多自适应的遗忘因子递推最小二乘法辨识得到的结果表明参数辨识模型适用于不同的电池。本文采用基于新息协方差和残差的自适应卡尔曼滤波(AEKF)算法对锂电池SOC进行在线的评估,同时利用开路电压与SOC之间的耦合关系,将每一时刻输出的SOC计算得到的开路电压反馈到参数辨识系统中,使得模型输出的SOC精度更高。最后,详细介绍分析了电池组内单体存在的电压、容量以及内阻不一致性,本文主要以串联的电池组为研究对象,给出了电池组SOC的定义。因为基于新息协方差和残差的AKEF算法在SOC估算的前几百个步骤误差较大,引入了基于模糊方法的自适应卡尔曼滤波算法来提高前几百个步骤的估算精度,给出了串联电池组的状态方程及观测方程,搭建了串联电池组的SOC估算模型,同时以串联的三元锂电池组为样品电池,对模型的准确及精确度进行了验证。