电池管理系统作为电动汽车和动力电池之间的连接纽带,对于电动汽车的安全运行起着至关重要的作用。实现动力电池荷电状态（SOC）精确估计,是保证电池管理系统进行能量管理的前提。论文以提高电池SOC估计精度为出发点,研究了基于电池模型的SOC估计方法。首先,在分析现有电池模型精度和复杂度基础上,选用二阶RC等效电路模型。为了获取不同SOC值下的开路电压值,选用高斯三项式函数进行电池模型的OCV-SOC关系曲线拟合,提高了拟合精度且计算量有所降低。采用指数拟合法对电池模型参数进行离线辨识,并在Matlab/Simulink环境下实现电池模型的搭建以及离线参数辨识精度的仿真验证。其次,针对带有遗忘因子最小二乘算法在电池模型在线参数辨识过程中,出现的数据利用率低和抗干扰能力差,将多新息理论引至该算法中进行改进,并对算法辨识效果进行仿真验证。最后,将在线辨识算法分别与传统的卡尔曼滤波算法以及容积卡尔曼滤波算法进行联合,从而实现了电池SOC的在线估计。通过对算法估计结果分析可知,容积卡尔曼滤波算法估计精度更高,但在高维状态下存在估计精度有限的缺点。因此,将高阶容积卡尔曼滤波算法引入至电池SOC估计,对其在递推过程中,由于误差协方差矩阵失去正定性导致算法停止运行,以及噪声矩阵不能实时更新的弊端,分别采用平方根滤波和Sage-Husa算法进行改进,并通过实验采集的数据进行仿真验证。结果表明,改进后的高阶容积卡尔曼滤波算法的电池SOC估计精度要优于容积卡尔曼滤波算法精度。