随着新能源行业的蓬勃发展,电动汽车已经成为未来的发展方向,而锂离子电池已作为绝大多数电动汽车的能源来源。由于电池本身独特的电化学特性,电池和传统化石燃料相比,在使用寿命,能源储备量等问题上存在较大缺陷。电池管理系统（BMS,Battery Management System）已成了电动汽车的关键技术之一。BMS主要功能包括准确估算电池荷电状态（SOC,State of Charge）,实时监测电池的各种状态,同时能够对驾驶者驾驶行为做出指导,帮助驾驶者获得更好的驾驶体验。由于在使用过程中,实时路况,用户自身行为,电池老化等客观原因,电动汽车汽车电池管理系统的精度会越来越低。为提高电池组整体性能,延长电池使用寿命,急需一个新的电池管理系统,通过大量历史数据的分析,将这些客观因素考虑进去,以建立一套长久使用的精确模型体系。本文结合云端服务器,以及车载智能终端,搭建了基于云服务的电动汽车电池管理系统,实现了车辆,云端以及用户三者之间的的数据交互。除了实现电池管理系统的基本功能外,还针对SoC估算功能做出了更深层次的研究。首先,建立了改进后的锂电池Thevenin模型。建立电池等效电路模型之后^[26],对模型进行参数辨识,然后通过开路电压法,预测电池SoC。本文通过电池动态特性试验,验证当前电池的SoC-OCV曲线,通过线性方法的进行实时模型参数辨识,使用双卡尔曼滤波的方法对OCV进行估算,并且根据电池的SoC-OCV曲线算出电池SOC。同时,本文还针对汽车行驶信息进行了建模分析,建立了驾驶行为分析模型和路况信息分析模型。通过这两种模型传递出的行驶信息,利用BP神经网络预测未来行驶过程中的电流变化曲线,从而利用安时积分法,计算出未来里程所需要消耗的电池荷电量,并且通过闭环系统进行实时修正,最后如实验结果所示,该方法能够较为有效的对剩余电荷量进行估算,同时也能对到达目的地的SoC进行实时的修正。