锂离子电池荷电状态（State of charge,SOC）是估算电动汽车剩余里程、最大可用功率等参数的重要依据,也是电池充/放电控制、均衡、故障诊断、安全预警等功能实现的前提。电池SOC估算方法主要分为模型驱动型、数据驱动型及两者融合型,模型驱动型SOC估算方法具有良好的精度、实时性和泛化能力等优势,是当前工程应用与学术研究的热点之一。常用的电池模型主要有等效电路模型和电化学模型,在精确估计实时SOC方面两种模型均存在一些不足,如模型精度与计算成本之间的博弈困境、采用温度修正系数或经验公式等方法降低模型对温度特性的泛化能力等。本文通过文献调研、理论分析、实验测试、建模仿真与车载电池管理系统（Battery management system,BMS）控制器测试验证等方法,开展气液动力学-热耦合模型及基于该模型设计面向车载BMS的锂离子动力电池在线SOC估算方法研究,主要研究工作如下:（1）运用电池测试系统与车载BMS控制器等设备搭建锂离子动力电池测试平台。设计动力电池在不同倍率、环境温度、动态激励及老化等条件下的实验方案,分别对软包、圆柱形和方形三元动力电池进行特性测试,分析三种电池的端电压、电压平台、容量、温度等参数的响应特性;采用HPPC和微电流法获得开路电压（Open circuit voltage,OCV）与SOC之间的映射关系。（2）基于气液动力学的锂离子电池解析模型研究。研究气液动力学与电学的物理相似性原理、气液储能系统的气体分子扩散/平衡机理与锂离子扩散/平衡机理的内在联系,修正了气液动力学与电学之间的物理量映射关系,建立耦合温度特性的气液动力学电池模型;根据动力电池的产热、传热与散热原理及能量守恒关系,提出热模型估计的平均温度与气液动力学模型估计的开路电压参数传递方法,构建了气液动力学-热耦合模型。（3）气液动力学-热耦合模型的参数辨识与性能评估。采用实验法与目标优化算法对气液动力学-热耦合模型的离线参数进行辨识,为后续的电池在线参数辨识研究提供初始化数据;基于多种测试工况分析气液动力学-热耦合模型在SOC估计精度、参数灵敏性、消除初始输入误差能力、抵抗稀疏采样能力和抵抗采样噪声能力等方面的综合性能。结果表明:反映欧姆效应的k1为最敏感的参数,最大SOC估计误差小于2.8%,最大内部温度估计误差小于1.2°C,能够较快地消除SOC初始误差,对稀疏采样数据的适应性较好,对电流采样噪声不敏感,对端电压采样噪声较敏感。（4）基于气液动力学-热耦合模型的在线SOC估算方法研究。首先,运用扩展卡尔曼滤波器设计具有反馈环节的在线SOC估算方法,解决SOC估算结果在动态工况下剧烈波动和恒流工况下局部偏移的问题,最大SOC估计误差由2.8%降至1.6%以下。然后,采用相互耦合的双扩展卡尔曼滤波器（Dual extended Kalman filter,DEKF）提出在线参数辨识的SOC估算方法,提高了SOC估算方法的泛化能力与估计精度,SOC估计误差降至1.0%以下。进一步,简化气液动力学-热耦合模型的结构,研究该简化模型、DEKF观测器与数据融合技术的协同机制,提出自适应因子DEKF在线SOC估算方法,降低了计算量,提高了消除累积误差的能力,对新、老电池的SOC估计误差分别小于1.1%与2.0%。分别从运算时间、新/老电池测试数据的SOC估计精度、抵抗累积误差的能力、抵抗阶跃输入误差的能力、抵抗单一及联合采样噪声的能力、抵抗恒定及浮动周期稀疏采样的能力等方面对三种SOC估算方法进行测试验证;最后,采用综合能力考核表对三种SOC估算方法进行评价,将综合性能最优的自适应因子DEKF在线SOC估算方法进行编程并嵌入车载BMS控制器芯片,在48V电池模组上验证了该方法的SOC估计效果与适用性。本文通过研究锂离子动力电池内部的电学与气液动力学之间的物理相似性原理及物理量映射关系,基于粒子扩散理论、气液动力学与电学状态方程,建立耦合温度特性的气液动力学电池模型。提出了热模型估计的平均温度与气液动力学模型估计的开路电压参数传递方法,构建了气液动力学-热耦合模型。研究气液动力学-热耦合模型、观测器技术和数据融合技术之间优势互补的协同机制,提出面向车载BMS的电池在线SOC估算方法。采用5种动态测试工况与车载BMS控制器测试工况,验证了该估算方法的有效性。为新能源汽车锂离子动力电池解析模型研究提供新的路径和方法,为车载动力电池管理系统的SOC精确估算提供技术支持。