动力电池是电动汽车的核心能量来源。精确的动力电池组模型和状态估计方法可以保证电池管理系统的高效运行。然而,锂离子电池成组之后单体间存在不一致性,如何准确表征不一致性成为当前学者研究的热点。本文依托陕西省重点研发计划项目（NO.2019ZDLGY15-04-02）,针对动力电池组不一致建模问题,提出考虑荷电状态（State of Charge,SOC）和内阻的均值差异模型,应用模糊控制与自适应卡尔曼滤波算法的SO C融合估计方法,实现对电池组荷电状态的估计。论文的主要研究内容如下:（1）在研究锂离子电池工作原理和结构性能的基础上,分析电池组内部单体间的不一致特性。研究了不一致现象产生的原因、不一致性分类及电池电压一致性分布规律,为文章后续的电池组不一致性建模奠定了理论基础。（2）针对电池成组后单体间的不一致问题,基于二阶等效电路模型,提出考虑荷电状态和内阻的联合差异模型（SOC and Resistance Mean Difference Model,S&R MDM）。设计电池组特性测试实验,对电池组进行充放电特性测试,采用递归最小二乘法辨识模型的参数。（3）针对现有联合模型的荷电状态估计精度不够的问题,在提出的S&R MDM模型基础之上,采用自适应无迹卡尔曼滤波算法对均值模型的SOC进行估计;在差异模型中对均值SOC进行修正得到单体SOC;应用模糊控制得到电池组SOC的权值,对电池组SOC实现融合估计。（4）在Simulink环境中搭建了S&R MDM电池组模型,完成仿真测试与验证,结果表明本文提出的S&R MDM模型比未考虑差异因素的模型在精度和准确性方面均有提高。在不同工况中对SOC融合估计方法进行了实验验证,结果表明本文提出的联合估计算法比传统算法的误差更小且鲁棒性好。