随着环境污染和能源紧缺问题的不断加剧,新能源汽车已经成为21世纪汽车领域发展的热点。动力电池及电池管理系统是影响新能源汽车发展和普及的关键技术。锂离子电池凭借着自身突出优势已成为当代应用最为广泛的动力电池。在车辆复杂的动态行驶条件之下,保证电池荷电状态的准确估计可以大幅度提高电池的使用寿命,提升其使用效率。相比等效电路模型,电化学模型可直接表征电池内部状态,具有更高的估计精度,但是模型计算量过大,难以实现动力电池状态的在线估计。本文深入研究了锂离子动力电池电化学机理建模及其简化降阶方法,设计了一种基于简化降阶的电化学模型的锂离子电池SOC估计算法,促进了电化学模型在车载电池管理系统上的应用。主要研究工作如下:基于浓溶液理论和多孔电极理论,分析准二维电化学模型的系统结构,初步建立出具有高度非线性和强耦合性的锂离子电池电化学模型。在此模型基础上,做出合理的简化假设,并运用三参数抛物线法和帕德近似法分别对固相及液相锂离子扩散方程进行近似简化,完成了对开路电压、液相电势、过电势的简化求解,建立了简化降阶的扩展单粒子电化学模型。采用线性递减权重粒子群算法对扩展单粒子模型关键参数进行辨识,进一步提高模型精度。详细介绍了粒子群算法参数辨识的原理、惯性权重改进方法、参数的选取原则及参数辨识的具体步骤。基于0.1C恒流放电实验数据辨识得到了模型中的正负极固相锂离子扩散系数、正负极反应速率常数、正负极粒子最大锂离子浓度。使用Matlab/Simulink搭建了参数辨识后的锂离子电池扩展单粒子模型,对电池放电过程中正负极固相锂离子浓度和液相锂离子浓度的变化趋势进行分析,验证了所采用的模型简化降阶方法的精度。然后在恒流放电工况、循环脉冲放电工况和联邦城市行驶工况下对比验证了扩展单粒子模型和传统单粒子模型的精度。实验结果表明,本文所建立的经过参数辨识后的扩展单粒子模型在各个工况下都具有较高的精度,能够更好的模拟电池的动态特性。在简化降阶的扩展单粒子模型基础上,利用扩展卡尔曼滤波算法估计出粒子表面锂离子浓度值,然后通过电化学模型SOC定义表达式计算电池SOC值。采用联邦城市行驶工况对算法的实际估计精度进行验证,实验结果表明,本文所建立算法的SOC估计精度较高,并且对初始SOC误差有良好的修正作用。