锂离子电池管理系统是电动汽车的重要组成部分,锂离子电池荷电状态(State of Charge以下简称SOC)是监测电动汽车续航里程的关键数据。SOC无法直接测量,而只能根据电池参数间接用算法进行估算。估算锂离子电池SOC的算法有许多种,但均有其相对局限性。扩展卡尔曼滤波可以消除噪声,并具有自我校正的功能。因此,本论文在用遗传算法优化锂离子电池戴维宁等效模型的参数后,再通过运用改进扩展卡尔曼滤波算法来估算锂离子电池的SOC,同时设计电气线路板和PCB电路并用硬件平台实现。具体研究分为以下几个部分:锂离子电池的测量、建模和优化。本论文首先采用阻抗谱法测量得到锂离子电池出厂的标准内阻、极化内阻与极化电容。然后选取戴维宁等效电路模型作为SOC估算模型。接着采用遗传算法优化锂离子电池戴维宁模型的参数,使其适应扩展卡尔曼滤波算法得到最优解。用扩展卡尔曼滤波算法估算锂离子电池SOC并设计卡尔曼滤波器。建立与锂离子电池戴维宁模型相对应的扩展卡尔曼滤波状态方程和观测方程。从卡尔曼滤波器开始,通过泰勒级数展开推广至扩展卡尔曼滤波。然后把扩展卡尔曼滤波估计锂离子电池的SOC算法在MATLAB中成功运行后将搭载到数字信号处理DSP、STM32和Lab VIEW的平台上实现。设计并搭建锂离子电池组中低SOC单体电池替换控制电路。利用备用锂离子电池替换电池组中SOC过低电池。实验中锂离子电池管理系统的数据采集将使用电池巡检仪,控制单元使用PLC,数据处理使用PC个人电脑,用户操作平台使用Lab VIEW软件,通讯接口和协议采用RS485接口和modbus串口通讯协议。在充放电估算的实验数据中,扩展卡尔曼滤波估计的SOC数值变化稳定。扩展卡尔曼滤波在锂离子电池连续长时间的运行状态下,通过自我校正消除了安时积分产生的积累误差,并且跟踪时间越长,估计精度越来越高。